- Anchor-based 접근법의 핵심 아이디어
- 이미지의
여러 위치와다양한 크기, 비율에서 사전 정의된 바운딩 박스(이를 '앵커(anchor) 박스'라고 함)를 사용하는 것
- 이미지의
- Anchor-based 모델의 장점 및 특징은 다음과 같습니다:
- 정규화된 예측: 앵커 박스를 사용하면 모델은 앵커 박스에 대한 상대적인 변화(예: 중심의 변화, 크기의 변화 등)만 예측하면 되므로 학습이 더 간단해집니다.
- 여러 객체 탐지 모델들이 anchor-based 접근법을 사용하고 있습니다. 예를 들면:
- Faster R-CNN
- Region Proposal Network(RPN)을 사용하여 앵커 박스 기반의 영역 제안을 생성하고,
- 그 제안들을 분류 및 회귀를 통해 세부적으로 조정
- YOLO (You Only Look Once)
- 그리드 기반의 앵커 박스를 사용하여 이미지 전체를 한 번만 보고 여러 객체를 탐지
- SSD (Single Shot MultiBox Detector)
- 여러 스케일에서 앵커 박스를 사용하여 한 번의 패스로 여러 객체를 탐지
- 앵커 박스의 사용은 객체 탐지의 성능과 속도 향상에 크게 기여했지만, 선택과 조정, 그리고 앵커 박스의 수 등에 대한 결정은 모델의 성능에 큰 영향을 미칠 수 있습니다.
모든 의사 결정 과정을 지나칠 정도로 모두 기록하고, 나중에 스스로 피드백 하는 것