객체 검출을 위한 피처 피라미드 네트워크

특성 피라미드는 다양한 크기의 객체를 감지하기 위한 인식 시스템의 기본 구성 요소입니다. 그러나 최근의 딥러닝 객체 검출기는 계산과 메모리 부하가 큰 이유로 피라미드 표현을 회피해 왔습니다. 본 논문에서는 깊은 합성곱 네트워크의 고유한 다중 스케일, 피라미드 계층 구조를 활용하여 거의 추가적인 비용 없이 특성 피라미드를 구성하는 방법을 제시합니다. 모든 스케일에서 고수준 의미론적 특성 맵을 구축하기 위해 상향식 아키텍처와 횡단 연결(lateral connections)을 개발하였습니다. 이 아키텍처는 일반적인 특성 추출기로서 여러 응용 분야에서 상당한 개선 효과를 보였으며, Feature Pyramid Network (FPN)이라고 명명되었습니다. FPN을 기본 Faster R-CNN 시스템에 적용하면, 별도의 추가 기법 없이 COCO 검출 벤치마크에서 단일 모델 결과로 최고 성능을 달성하며, COCO 2016 챌린지 우승자들의 단일 모델 결과를 모두 초월합니다. 또한, 본 방법은 GPU에서 5 FPS로 실행 가능하여 다중 스케일 객체 검출에 대한 실용적이고 정확한 해결책입니다. 코드는 공개될 예정입니다.