CoupleNet: 전역 구조와 국부 부품을 결합한 객체 검출

지역 기반 합성곱 신경망(CNN) 검출기 such as Faster R-CNN 또는 R-FCN은 지역 제안 서브네트워크와 분류 서브네트워크를 결합하여 객체 검출에서 유망한 결과를 보여주었습니다. R-FCN은 객체 검출 성능을 유지하면서 더 높은 검출 속도를 달성했지만, 위치 감응 점수 맵(position-sensitive score maps)에 의해 전역 구조 정보가 무시되었습니다. 이러한 로컬 및 글로벌 특성을 완전히 활용하기 위해 본 논문에서는CoupleNet이라는 새로운 완전 합성곱 네트워크를 제안합니다. CoupleNet은 객체의 글로벌 구조와 로컬 부분을 결합하여 객체 검출을 수행합니다. 구체적으로, Region Proposal Network(RPN)에서 얻은 객체 제안들은 두 가지 분기를 포함하는 결합 모듈(coupling module)에 입력됩니다. 하나의 분기는 위치 감응 RoI(PSRoI) 풀링을 사용하여 객체의 로컬 부분 정보를 포착하고, 다른 분기는 RoI 풀링을 사용하여 글로벌 및 문맥 정보를 인코딩합니다. 다음으로, 우리는 글로벌과 로컬 분기 사이의 보완적인 장점을 최대한 활용할 수 있는 다양한 결합 전략과 정규화 방법을 설계하였습니다. 광범위한 실험 결과는 우리의 접근 방식이 효과적임을 입증합니다. 우리는 세 개의 도전적인 데이터셋에서 최고 수준의 결과를 달성하였으며, 즉 VOC07에서 mAP 82.7%, VOC12에서 80.4%, COCO에서 34.4%입니다. 코드는 공개될 예정입니다.注：在正式的韩语文本中，通常会避免使用罗马字（如“i.e.”），因此我将其转换为相应的韩语表达。同时，为了使文本更加流畅和符合韩语习惯，我对一些句子结构进行了微调。