Learning Open-World Object Proposals without Learning to Classify

 

사람은 새로운 객체에 대해서 뭔지는 모르지만 해당 영역에 객체가 있다는 걸 인지 함

다만 AI는 새로운 class에 대한 인지가 취약함

이를 어느정도 보완하기 위해 object localization network 제안

기존 object proposal에서는 foreground vs background 구별하는 문제로 해결

이는 곧 학습에 사용되지 않는 class에 대해서 background로 학습 되는 문제점 발생

이러한 부분을 해결하기 위한 접근 시도

기존 classification head 제거

Faster RCNN과 비슷한 구조 사용

 

RPN stage에서 localization quality:
centerness고려, L1 loss 사용
랜덤하게 256개 anchor 샘플링, iou 0.3이상인것만 학습에 사용, background sampling 사용하지 않음

 

ROI head에서 localization quality:
RPN proposal과 GT 사이의 iou를 regression

 

최종 score는 두개의 localization quality를 geometric mean으로 사용

다양한 조합으로 실험을 통해 성능 향상을 보여줌