ThunderNet: 실시간 일반 객체 검출을 향하여

모바일 플랫폼에서의 실시간 일반 객체 검출은 중요한 그러나 어려운 컴퓨터 비전 과제입니다. 그러나 이전의 CNN 기반 검출기는 엄청난 계산 비용을 초래하여, 계산 자원이 제한된 환경에서는 실시간 추론을 방해하였습니다. 본 논문에서는 실시간 일반 검출에서 두 단계 검출기의 효과성을 조사하고, 경량화된 두 단계 검출기인 ThunderNet을 제안합니다. 백본 부분에서는 이전 경량화 백본의 문제점을 분석하고, 객체 검출을 위한 경량화된 백본 설계를 제시합니다. 검출 부분에서는 극도로 효율적인 RPN(Region Proposal Network)과 검출 헤드 설계를 활용합니다. 더욱 차별화된 특징 표현을 생성하기 위해, Context Enhancement Module(맥락 강화 모듈)과 Spatial Attention Module(공간 주의 모듈)이라는 두 개의 효율적인 아키텍처 블록을 설계하였습니다. 마지막으로, 입력 해상도, 백본, 그리고 검출 헤드 간의 균형을 조사하였습니다. PASCAL VOC와 COCO 벤치마크에서 경량화된 한 단계 검출기에 비해 ThunderNet은 40%의 계산 비용만으로 우수한 성능을 달성하였습니다. 복잡한 최적화 없이도 우리의 모델은 ARM 기반 장치에서 24.1 fps로 실행됩니다. 우리 지식에 따르면, 이는 ARM 플랫폼에서 처음 보고된 실시간 검출기입니다. 우리의 코드와 모델은 \url{https://github.com/qinzheng93/ThunderNet}에서 확인할 수 있습니다.