초록
우리는 이미지에서 객체 검출 문제를 매우 크지만 극도로 희소한 바운딩 박스 종속 확률 분포를 추정하는 것으로 정의합니다. 이어서 우리는 희소 분포 추정 방식인 지향적 희소 샘플링(Directed Sparse Sampling)을 식별하고 이를 단일 엔드투엔드 CNN 기반 검출 모델에 적용합니다. 이 방법론은 고도의 평가 속도와 감소된 수작업 공학에 중점을 둔 이전 최신 검출 모델들을 확장하고 체계화합니다. 우리는 두 가지 혁신적인 요소를 소개하는데, 코너 기반 관심영역 추정기와 디컨볼루션 기반 CNN 모델입니다. 결과적으로 생성된 모델은 장면 적응형이며, 수동으로 정의된 참조 바운딩 박스를 필요로 하지 않으며, MSCOCO, Pascal VOC 2007 및 Pascal VOC 2012에서 실시간 평가 속도로 매우 경쟁력 있는 결과를 생성합니다. 추가 분석은 우리의 모델이 세부적인 객체 위치 결정이 필요한 경우 특히 우수한 성능을 보임을 시사합니다. 우리는 이 장점이 다른 방법들에 비해 상당히 더 많은 관심영역 집합을 제공하기 때문이라고 주장합니다. 소스 코드는 다음 주소에서 이용 가능합니다: https://github.com/lachlants/denet