깊은 감독을 받는 단축 연결을 이용한 주요 객체 검출

최근 주목도 검출 분야에서의 진전은 주로 합성곱 신경망(Convolutional Neural Networks, CNNs)의 급속한 발전 덕분에 이루어졌습니다. 최근 개발된 의미 분할과 주목도 검출 알고리즘은 대부분 완전 합성곱 신경망(Fully Convolutional Neural Networks, FCNs)을 기반으로 하고 있습니다. 그러나 일반적인 FCN 모델들은 명시적으로 스케일-공간 문제를 다루지 않기 때문에 여전히 크게 개선의 여지가 있습니다. 전체적으로 중첩된 경계선 검출기(Holistically-Nested Edge Detector, HED)는 경계와 윤곽선 검출을 위한 깊은 감독(deep supervision)이 적용된 스킵 레이어 구조를 제공하지만, HED의 주목도 검출 성능 향상은 명확하지 않습니다. 본 논문에서는 HED 아키텍처 내부의 스킵 레이어 구조에 짧은 연결(short connections)을 도입하여 주목도 검출을 위한 새로운 방법을 제안합니다. 우리의 프레임워크는 각 층에서 풍부한 다중 스케일 특징 맵을 제공하며, 이는 세그먼트 검출 수행에 필수적인 속성입니다. 우리의 방법은 5개의 널리 사용되는 주요 객체 검출 벤치마크에서 최고 수준의 결과를 생성하며, 기존 알고리즘 대비 효율성(이미지당 0.15초), 효과성 및 단순성 면에서 우위를 보입니다.