Count- 및 Similarity-인식 R-CNN을 활용한 보행자 탐지

최근 보행자 검출 방법은 일반적으로 중대한 가림 현상을 다루기 위해 추가적인 감독 정보(예: 가시성 경계 상자(annotation))에 의존한다. 본 연구에서는 이중 단계 보행자 검출 프레임워크 내에서 보행자 수 및 제안 영역 유사성 정보를 활용하는 새로운 접근법을 제안한다. 보행자 수와 제안 영역 유사성은 보행자 검출기 학습에 일반적으로 사용되는 표준 전체 신체(annotation)에서 유도된다. 우리는 중복이 심한 보행자 영역에서 발생하는 검출 오차에 대해 더 높은 가중치를 부여하는 count-weighted 검출 손실 함수를 제안한다. 제안된 손실 함수는 이중 단계 검출기의 두 단계 모두에서 활용된다. 또한, 이중 단계 검출 프레임워크 내에 보행자 수와 제안 영역 유사성을 동시에 예측하는 count-and-similarity branch를 도입한다. 마지막으로, 보행자 수와 유사성 정보를 반영한 NMS 전략을 제안하여 독립적인 제안 영역을 식별한다. 제안하는 방법은 부위 정보나 가시성 경계 상자 annotation이 필요하지 않다. CityPersons 및 CrowdHuman 데이터셋에서 실험을 수행한 결과, 본 방법은 두 데이터셋 모두에서 최신 기준(SOTA)을 달성하였다. 특히 CityPersons 테스트 세트의 중대한 가림( extbf{HO}) 세트에서 로그 평균 누락률(log-average miss rate) 기준으로 현재 최고 성능보다 절대적으로 2.4% 향상되었다. 마지막으로, 본 방법이 인간 인스턴스 세그멘테이션 문제에 적용 가능함을 보여주었다. 코드 및 모델은 다음 링크에서 제공된다: https://github.com/Leotju/CaSe.