억제와 균형: 주요 객체 검출을 위한 간단한 게이트 네트워크

대부분의 주요 객체 검출 접근 방식은 U-Net 또는 피처 피라미드 네트워크(FPN)를 기본 구조로 사용합니다. 이러한 방법들은 인코더와 디코더가 정보를 교환할 때 두 가지 핵심 문제를 간과하고 있습니다. 하나는 인코더와 디코더 사이의 간섭 제어 부족이고, 다른 하나는 다양한 인코더 블록들의 기여도 차이를 고려하지 않는 것입니다. 본 연구에서는 이 두 가지 문제를 동시에 해결하기 위해 간단한 게이트 네트워크(GateNet)를 제안합니다. 다중 수준의 게이트 유닛의 도움으로, 인코더에서 유용한 맥락 정보가 최적화되어 디코더로 전달됩니다. 우리는 새로운 게이트 듀얼 브랜치 구조를 설계하여 다양한 수준의 피처들 간의 협력을 구축하고 전체 네트워크의 판별 능력을 향상시키고자 합니다. 듀얼 브랜치 설계를 통해 주목도 맵(saliency map)의 더 많은 세부 사항을 복원할 수 있습니다. 또한, 제안된 "폴드"(Fold) 연산을 기반으로 한 공간 피라미드 풀링(ASPP)을 채택하여 다양한 크기의 주요 객체들을 정확히 위치 결정할 수 있도록 하였습니다. 다섯 개의 어려운 데이터셋에 대한 광범위한 실험 결과, 제안된 모델은 다양한 평가 지표 하에서 대부분의 최신 방법들보다 우수한 성능을 보임을 입증하였습니다.