객체 탐지를 위한 관계 네트워크

객체 간의 관계를 모델링하는 것이 객체 인식을 도울 것이라는 생각은 오랫동안 믿어져 왔지만, 이 개념이 딥 러닝 시대에 효과가 있다는 증거는 없었습니다. 최신 객체 탐지 시스템은 여전히 객체 인스턴스를 개별적으로 인식하는 데 의존하며, 학습 중 관계를 활용하지 않습니다. 이 연구는 객체 관계 모듈을 제안합니다. 이 모듈은 객체들의 외관 특징과 기하학적 상호작용을 통해 동시에 객체 집합을 처리하여 그들의 관계를 모델링할 수 있도록 합니다. 가볍고 제자리에서 작동하며, 추가 감독이 필요 없고 기존 네트워크에 쉽게 임베드할 수 있습니다. 현대 객체 탐지 파이프라인에서 객체 인식과 중복 제거 단계의 개선에 효과적임이 증명되었습니다. CNN 기반 탐지에서 객체 관계 모델링의 효능을 검증합니다. 이는 최초의 완전한 엔드-투-엔드 객체 감지기를 탄생시킵니다.