dynamic Label Assignment Strategy

Label Assignment Strategy

• 상황: 이미지에 작은 강아지와 큰 고양이가 있습니다. 모델은 이 두 동물을 탐지하고 바운딩 박스를 그립니다.
• 모델이 작은 강아지 주변에 예측된 바운딩 박스와 큰 고양이 주변에 예측된 바운딩 박스를 생성합니다.
• 전통적인 레이블 할당 전략을 사용하면, 각 예측된 바운딩 박스는 그 안에 포함된 ground truth (실제 동물)와의 IOU 값을 기반으로 레이블이 할당됩니다.
  • 예를 들어, IOU 임계값이 0.5로 설정되어 있다면, IOU 값이 0.5보다 큰 예측만 해당 ground truth의 레이블을 받게 됩니다.

Dynamic Label Assignment Strategy

• 모델은 같은 방법으로 두 동물 주변에 바운딩 박스를 예측합니다.
• 동적 전략을 사용하면, 모델은 각 예측 바운딩 박스와 모든 ground truth 간의 일치도를 계산하기 위해 비용 함수를 사용합니다.
• 비용 함수는 일반적으로 학습 손실과 관련이 있으며, 예측 바운딩 박스가 얼마나 ground truth와 일치하는지를 평가합니다.
• 이 방법은 각 예측이 최적의 ground truth 레이블을 받게 해주며, 그 과정에서 학습 동안 네트워크의 변화를 반영할 수 있습니다.
•