3-5. fast RCNN

fast RCNN은 기존 RCNN에 spp layer사용해서 CNN LAYER 학습 횟수를 효과적으로 줄인 것과 마찬가지 원리이다.

spp layer이 아닌 ROI pooling Layer로 적용방법은 일부 다르다

- fast RCNN은 Roi pooling을 이용한다.

- 또한 SVM이라는 별도의 classification이 아닌 바로 softmax를 사용해서 deep learning network 으로 끌어들인다.

- multi task loss function으로 classification과 regression를 함께 최적화한다.

 

- faster RCNN은 selective search를 deep learning영역을 끌어들인 RPN을 사용한다.

 

# ROI pooling

- feature map 상의 임의의 ROI를 고정크기의 Pooling 영역으로 매핑

- 매핑 시 일반적으로 max pooling 적용 => 크기를 맞춰줌

- feature map의 depth와 roi pooling의 depth( channel )는 동일함, size만 고정

(spp는 depth없이 그냥 1차원 fixed length로 만들어버림)

 

- 후에 softmax 사용, ( vs svm

 

# 전과정을 deep learning으로 진행시킨 것의 의의

- softmax를 사용하는 등의 편리

- classification, regression을 multi task loss로 통합 최적화 가능

- 전과정을 back propagation을 통해 가중치 최적화 가능

 

multi-task loss

성능 비교