초록
보행자 탐지 기술은 딥러닝 기술의 발전 덕분에 최근 몇 년간 급속한 발전을 이룩하고 있다. 대부분의 탐지기들은 일반적인 객체 탐지 프레임워크, 즉 기본 박스(default boxes)와 이단계 프로세스를 따르고 있다. 최근에는 앵커리스(ancher-free) 및 원단계(one-stage) 탐지기들이 이 분야에 도입되고 있다. 그러나 이러한 방법들의 정확도는 여전히 만족스럽지 못하다. 따라서 앵커리스 탐지기의 간단함과 이단계 탐지기의 높은 정확도를 동시에 누릴 수 있도록, 중심점과 스케일 예측(Center and Scale Prediction, CSP) 기반의 탐지기 기반으로 몇 가지 개선을 제안한다. 본 논문의 주요 기여는 다음과 같다: (1) CSP의 강건성(robustness)을 향상시켜 학습이 더 쉬워지도록 개선하였다. (2) 너비(width)를 예측하는 새로운 방법, 즉 너비 압축(compressing width) 기법을 제안하였다. (3) CityPersons 벤치마크에서 두 번째로 높은 성능을 달성하였으며, 합리적인 세트에서는 9.3%의 로그 평균 미스율(log-average miss rate, MR), 부분 세트에서는 8.7% MR, 벗어난 세트에서는 5.6% MR을 기록하였다. 이는 앵커리스 및 원단계 탐지기라도 높은 정확도를 달성할 수 있음을 보여준다. (4) 기존 논문에서 언급되지 않은 스위치블(normalization)의 일부 기능을 탐색하였다.