dynamic label assignment Strategy
- YOLOv7에서 사용된 새로운 레이블 할당 방법
- 전통적으로 레이블 할당은 주어진 규칙 세트를 기반으로 Ground Truth를 직접 참조하여 수행되었습니다.
- 그러나 YOLOv7는
예측 입력의 분포와 품질을 고려하여신뢰할 수 있는 레이블을 생성하는 더 뉘앙스있는 접근 방식을 도입했습니다. - 구체적으로 YOLOv7는 바운딩 박스와 Ground Truth의 예측을 사용하여 객체의 "소프트 레이블"을 생성합니다.
- YOLOv7의 새로운 레이블 할당 방법은 리드 헤드(모델의 구성 요소)의 예측을 사용하여 리드 헤드와 보조 헤드 모두를 안내합니다.
- 이 방법에는 두 가지 전략이 제안되었습니다:
- Lead Head Guided Label Assigner(리드 헤드 가이드 레이블 할당자):
- 이 전략은
리드 헤드의 예측 결과와 Ground Truth를 기반으로 소프트 레이블을 계산하고, 이러한 소프트 레이블을 생성하기 위해 최적화를 사용합니다. - 이러한 소프트 레이블은
리드 헤드와 보조 헤드 모두의 훈련 모델로 사용됩니다.
- 이 전략은
- Coarse-to-Fine Lead Head Guided Label Assigner(거칠게-세밀하게 리드 헤드 가이드 레이블 할당자):
- 첫 번째 전략과 마찬가지로 이 전략도
리드 헤드의 예측 결과와 Ground Truth를 기반으로 소프트 레이블을 계산합니다. - 그러나
두 가지 소프트 레이블 세트,거친 레벨과 미세 레이블을 생성하는 것이 주요 차이점입니다. 거친 레이블은 양성 샘플 할당 프로세스의 제약을 완화함으로써 생성되며,더 많은 그리드를 양성 대상으로 취급합니다.- 이것은 보조 헤드의 약한 학습 강도로 인해 정보를 잃는 위험을 피하기 위해 수행됩니다.
- 첫 번째 전략과 마찬가지로 이 전략도
- 이러한 전략들은 전통적인 정적 레이블 할당에서 모델의 학습 및 객체 탐지 능력을 향상시키기 위해 더 동적이고 뉘앙스있는 접근 방식으로 전환을 나타냅니다.
모든 의사 결정 과정을 지나칠 정도로 모두 기록하고, 나중에 스스로 피드백 하는 것