BigDetection: 개선된 객체 탐지기 사전 훈련을 위한 대규모 벤치마크

최근 몇 년 동안 객체 검출을 위한 다양한 데이터셋과 오픈 챌린지가 소개되어 왔다. 더 일반적이고 강력한 객체 검출 시스템을 구축하기 위해, 본 논문에서는 새로운 대규모 벤치마크인 BigDetection을 구축한다. 우리의 목적은 기존 데이터셋(LVIS, OpenImages, Object365)의 학습 데이터를 간단히 활용하면서도 철저히 설계된 원칙에 따라, 검출기의 사전 학습을 향상시키기 위해 더 큰 데이터셋을 구성하는 것이다. 구체적으로, 다양한 출처에서 나온 이질적인 레이블 공간을 통합하는 새로운 분류 체계를 제안한다. BigDetection 데이터셋은 600개의 객체 카테고리로 구성되며, 340만 장 이상의 학습 이미지와 3600만 개 이상의 경계 상자(bounding boxes)를 포함하고 있다. 이는 이전 벤치마크와 비교해 여러 차원에서 훨씬 더 크며, 새로운 기회와 도전을 동시에 제시한다. 광범위한 실험을 통해 BigDetection이 다양한 객체 검출 방법을 평가하기 위한 새로운 벤치마크로서의 타당성을 입증하였으며, 사전 학습 데이터셋으로서의 효과성도 확인하였다.