-
Focal Loss for Dense Object DetectionARXIV/Convolution Neural Network 2020. 5. 4. 20:40
https://arxiv.org/abs/1708.02002
Focal Loss for Dense Object Detection
The highest accuracy object detectors to date are based on a two-stage approach popularized by R-CNN, where a classifier is applied to a sparse set of candidate object locations. In contrast, one-stage detectors that are applied over a regular, dense sampl
arxiv.org
abstract
높은 정확도의 object detector는 two stage 방법으로 부족한 객체에 대한 후보군 위치에 따른 분류를 적용한다. 이와 반대적으로 물체의 위치가 규칙적이고 조밀한 샘플링에 사용하는 one stage 방법은 더 빠르고 간단하지만 two stage 정확도를 따라가고 있다. 이 논문에서는 그 이유에 대해 조사한다.
훈련 중에 발생하는 클래스의 불균형이 문제임을 발견하였고, loss를 낮추도록 재구성하여 불균형을 해결하는 방법을 제안한다. Focal loss의 경우 드물고 어려운 case에 대한 훈련에 초점을 맞추어, 쉬운 훈련이 많은 부분을 차지하는 것을 막는다. 손실의 효과를 평가하기 위해 RetinaNet을 사용하여 훈련을 시켰다.
'ARXIV > Convolution Neural Network' 카테고리의 다른 글