QueryDet: Cascaded Sparse Query for Accelerating High-Resolution Small Object Detection 제1부

QueryDet: Cascaded Sparse Query for Accelerating High-Resolution Small Object Detection
QueryDet: 고해상도 소형 개체 감지를 가속화하기 위한 계단식 스파스 쿼리

Abstract

딥 러닝을 사용한 일반적인 객체 감지는 지난 몇 년 동안 큰 성공을 거두었지만 작은 객체 감지의 성능과 효율성은 만족스럽지 않습니다. 작은 물체 감지를 촉진하는 가장 일반적이고 효과적인 방법은 고해상도 이미지나 특징 맵을 사용하는 것입니다. 그러나 두 접근 방식 모두 이미지 및 기능의 크기가 증가함에 따라 계산 비용이 제곱으로 증가하기 때문에 비용이 많이 드는 계산을 유도합니다. 두 세계를 최대한 활용하기 위해 새로운 쿼리 메커니즘을 사용하여 특징 피라미드 기반 객체 감지기의 추론 속도를 가속화하는 QueryDet을 제안합니다. 파이프라인은 두 단계로 구성됩니다. 먼저 저해상도 피처에서 작은 물체의 대략적인 위치를 예측한 다음 이러한 대략적인 위치에 의해 드물게 안내되는 고해상도 피처를 사용하여 정확한 탐지 결과를 계산합니다. 이러한 방식으로 고해상도 기능 맵의 이점을 얻을 수 있을 뿐만 아니라 배경 영역에 대한 불필요한 계산을 피할 수 있습니다. 널리 사용되는 COCO 데이터 세트에서 제안하는 방법은 검출 mAP를 1.0, mAPsmall을 2.0 향상시켰으며 고해상도 추론 속도는 평균 3.0배 향상되었습니다. 더 작은 개체를 포함하는 VisDrone 데이터 세트에서 평균 2.3배의 고해상도 가속을 얻으면서 새로운 최신 기술을 생성합니다. 코드는 https://github.com/ChenhongyiYang/QueryDet-PyTorch에서 사용할 수 있습니다.