일반 제품 검출을 위한 벤치마크: 밀집 객체 검출을 위한 저 데이터 기준선

밀집된 장면에서의 객체 검출은 표준 객체 검출기들이 잘 학습하지 못하는 새로운 영역입니다. RetinaNet과 같은 밀집 객체 검출기는 큰 규모와 밀도가 높은 데이터셋에서 훈련되었을 때 뛰어난 성능을 보입니다. 우리는 데이터 증강 기법을 사용하여 작은 규모의 일반적으로 밀집된 데이터셋으로 표준 객체 검출기를 훈련시켰습니다. 이 데이터셋은 주석 수 기준으로 표준 데이터셋보다 265배 작습니다. 이 저데이터 베이스라인은 표준 IoU 0.5에서 만족할 만한 결과(mAP=0.56)를 달성하였습니다. 또한, 여러 공개 데이터셋에 대한 완전한 주석을 제공하여 일반 SKU 제품 검출을 위한 다양한 벤치마크를 생성하였습니다. 이 벤치마크는 https://github.com/ParallelDots/generic-sku-detection-benchmark에서 접근 가능합니다. 우리는 이 벤치마크가 야외에서 다양한 환경에서 안정적으로 작동하는 강력한 검출기 개발에 도움이 되길 바랍니다.