강의확인

neck

  • 백본의 마지막 convolution만 사용하면 작은물체들은 사라진다.
  • 중간 feature도 사용하게 해주는것
  • ![그림]
    • FPN은 백본과같은 convolution과 단순히 중간 feature를 가져오는게 아닌 highlevel정보를 lowlevel로 fusion해서 정보를 넘긴다.

FPN(feature pyramid networks)

  • 중간의 feature는 1*1conv로 채널맞추기, 위의 feature는 upsampling으로 이미지 크기 맞춰서 결합
  • 문제점
    • low레벨의 정보가 희석된다.

PAN(path augmentation network)

  • bottom-up path augmentation
    • low레벨의 정보를 직접 전달하는 path를 추가

RFP(recursive feature pyramid)

  • 백본에서 나온 정보를 다시 백본에게 전달
    • 백본도 업그레이드

BiFPN(Bi-directional feature pyramid)

  • 효율적인 feature계산
    • 속도를 중시
  • 입력이 하나만 있는것은 제거
  • 백본업그레이드없음

focal loss

  • 불평등한 클래스를 위해

피어세션

  • detectors가 성능좋음

오늘한일

어떻게했는지

좋았던점

아쉬웠던점