TTA (Test Time Augmentation)

https://github.com/andrewekhalel/edafa
https://chacha95.github.io/2021-06-26-data-augmentation1/

TTA(Test Time Augmentation)란.. 모델을 test(inference) 할때 augmentation을 하는 방식. 기존 augmentation 을 적용하는 사례는 보통 모델 학습 과정 중 적용하여 성능을 올리는데 기여했지만 TTA는 이미 학습된 모델에 적용 하는 방식이다. 일종의 data ensemble이라 볼 수도 있음.
TTA의 메인 아이디어는 원본만 입력받아 결과를 예측하지 않고 추가로 원본이미지를 augmentation 하여 다양하게 변형된 이미지들을 입력받아 예측한 결과를 같이 활용하여 평균된 결과를 예측하게 한다.

WBF (Weighted Boxes Fusion)

데이터 특성상 겹치는 데이터가 많기 때문에 WBF의 가중치를 조절해줌으로써 객체가 겹치더라도 가중치에 따라 정확한 객체를 집어낼 수 있음.
NMS는 부정확한 box를 제외하고 하나의 box를 집어내는 방식이라면 WBF는 여러개의 box의 정보 모두를 사용해서 최종 box를 집어내는 방식.
단, TTA, ensemble 등의 방식과 조합하지 않으면 오히려 NMS보다 성능이 떨어지는 경우도 있다고 하니 적용시 학인이 필요함.