DETReg: 객체 탐지를 위한 영역 사전 지식을 활용한 비지도 사전 학습

최근 객체 탐지를 위한 자기지도 학습 전훈 방법들은 대부분 객체 탐지기의 백본(Backbone)에 초점을 맞추며, 탐지 아키텍처의 핵심 구성 요소들을 간과하고 있다. 본 연구에서는 객체 탐지 네트워크 전체, 즉 객체 위치 추정 및 임베딩 구성 요소를 포함하여 전훈하는 새로운 자기지도 학습 방법인 DETReg을 제안한다. 전훈 과정에서 DETReg은 비지도 영역 제안 생성기(unsupervised region proposal generator)로부터 생성된 객체 위치를 예측하고, 동시에 자가지도 이미지 인코더에서 생성된 임베딩과 해당 특징 임베딩을 일치시킨다. 우리는 DETR 계열의 탐지기를 기반으로 DETReg을 구현하였으며, COCO, PASCAL VOC, Airbus Ship 등의 벤치마크에서 미세 조정(finetuning) 시 경쟁적인 기준 모델들을 능가하는 성능을 보였다. 특히, 데이터가 제한된 환경(저데이터 환경)에서 DETReg은 우수한 성능을 발휘하며, 레이블이 단지 1%만 존재하는 경우 및 소수 샘플 학습(few-shot learning) 설정에서도 성능 향상을 달성하였다.