이 게시물은 제 개인적인 공부 내용이므로 참고 부탁드립니다.

Boxes

Object Detection을 공부하다 보면 여러개의 Object가 나오는 Image를 Model이 입력받아 예측한다.

기존에는 하나의 Image에 하나의 Object가 있었다면 이제는 하나의 Image에 여러 Object를 예측해야하는 문제에 부딪힌 것이다.

Image의 어느 부분에 Object가 존재하는지 예측해야 한다는 점이다.

이때 Object가 어느 위치에 있는지 Model이 예측해주는데
예측을 Box형식으로 해준다.(Segmentation 제외)

Box는 Anchor Box(Default Box)와 Bounding Box로 나눌 수 있다.

Anchor Box

Anchor Box는 Default Box라고도 불린다. 말 그대로 고정되어있는 Box다.

Anchor Box 모양은 논문마다 다르지만, Anchor Box를 학습시킨다는 점은 변함이 없다.

다음은 Anchor Box의 예시다.

Bounding Box

Bounding Box는 Object의 위치를 알려주는 Box다.
Anchor Box가 Object가 있을만한 위치에 미리 그려놓은 Default값이라고 치면 Bounding Box는 제 Object 위치를 알려주는 Box인 것이다.

Train시에는 Ground Truth를, Test시에는 Model이 예측한 Bounding Box와 실제 정답 Bounding Box를 뜻하게 된다.

다시한번 정리하자면,
BBox(Bounding Box)는 때로는 Model Train의 척도가 되는 Label역할을 하기도 하며
Model Inference의 값이 되기도 하고
Object Detection Evaluation의 척도가 되기도 한다.

Object Detection에는 Box Regression과 Classification이 존재하는데
이때 Box Regression은 엄밀히 말하면 Anchor Box Regression인 것이다.
Anchor Box를 사용하지 않는 Model이라면 예측 Box의 Bounding Box로의 Regression인 것이다.