Speed up Object Detection on Gigapixel-level Images with Patch Arrangement 제1부

Speed up Object Detection on Gigapixel-level Images with Patch Arrangement
패치 배열로 기가픽셀 수준 이미지에서 물체 감지 속도 향상

Abstract

초고해상도(예: 기가픽셀 수준) 이미지의 등장으로 이러한 이미지에 대해 효율적인 객체 감지를 수행하는 것이 중요한 문제가 됩니다. 고해상도 이미지에서 효율적인 객체 감지를 위한 기존의 대부분의 작업은 객체가 존재할 수 있는 로컬 패치를 생성한 다음 모든 패치를 독립적으로 감지하는 데 중점을 둡니다. 그러나 이미지 해상도가 기가픽셀 수준에 도달하면 수많은 패치를 감지하는 데 막대한 시간 비용이 소요됩니다.

그들과 달리 우리는 기가픽셀 수준의 이미지에서 빠른 개체 감지를 위한 새로운 패치 배열 프레임워크를 고안합니다. 이 프레임워크에서 PAN(Patch Arrangement Network)은 컴팩트 캔버스에 함께 압축할 수 있는 패치를 결정하여 탐지를 가속화하기 위해 제안됩니다. 구체적으로, PAN은 (1) 패치 필터 모듈(PFM) (2) 패치 패킹 모듈(PPM)로 구성됩니다.
PFM은 두 세분성 사이에서 패치를 선택하는 방법을 학습하여 패치 후보를 필터링합니다. 그 후 나머지 패치에서 PPM은 이러한 패치를 더 적은 수의 캔버스에 함께 묶는 방법을 결정합니다. 한편 캔버스에 이상적인 패치 레이아웃을 생성합니다. 이 캔버스는 최종 결과를 얻기 위해 감지기에 공급됩니다. 실험에 따르면 우리의 방법은 우수한 성능을 유지하면서 기가픽셀 수준 이미지의 추론 속도를 5배 향상시킬 수 있습니다.