DetectoRS: 재귀적 특징 피라미드와 전환 가능한 아트러스 컨볼루션을 이용한 객체 탐지

현대의 많은 객체 탐지기들은 '한 번 보고 다시 생각하는' 메커니즘을 활용하여 뛰어난 성능을 발휘한다. 본 논문에서는 이 메커니즘을 객체 탐지의 백본 설계에 적용하여 탐구한다. 거시적 차원에서 우리는 피처 피라미드 네트워크(FPN)로부터 추가적인 피드백 연결을 하향식 백본 계층에 통합하는 '재귀적 피처 피라미드(Recursive Feature Pyramid)'를 제안한다. 미시적 차원에서는 다양한 아트러스(이탈리아어: atrous) 비율을 사용해 특징을 컨볼루션하고, 스위치 함수를 통해 결과를 통합하는 '스위처블 아트러스 컨볼루션(Switchable Atrous Convolution)'을 제안한다. 두 기법을 결합함으로써, 객체 탐지 성능을 크게 향상시킨 DetectoRS를 구성하였다. COCO test-dev 평가에서 DetectoRS는 객체 탐지에 있어 최고 수준의 55.7% 박스 AP, 인스턴스 세그멘테이션에 있어서 48.5% 마스크 AP, 팔레오틱 세그멘테이션에 있어서 50.0% PQ를 달성하였다. 관련 코드는 공개적으로 제공된다.