딥 러닝 시대의 두드러진 객체 검출: 심층 조사

컴퓨터 비전에서 필수적인 문제로, 두드러진 객체 검출(SOD)은 지난 몇 년 동안 점점 더 많은 연구 관심을 받고 있습니다. 최근 SOD의 발전은 주로 딥 러닝 기반 솔루션(딥 SOD라고 함)에 의해 주도되고 있습니다. 본 논문에서는 딥 SOD에 대한 심층 이해를 가능하게 하기 위해 알고리즘 분류에서 해결되지 않은 문제에 이르기까지 다양한 측면을 포괄하는 종합 조사를 제공합니다. 특히, 우리는 네트워크 구조, 감독 수준, 학습 패러다임, 객체/인스턴스 수준의 검출 등 서로 다른 관점에서 딥 SOD 알고리즘을 검토합니다. 그 다음, 기존 SOD 데이터셋과 평가 지표를 요약하고 분석하며, 대표적인 SOD 모델 그룹을 벤치마킹하고 비교 결과에 대한 상세 분석을 제공합니다. 또한 우리는 다양한 속성 설정에서 SOD 알고리즘의 성능을 연구하는데, 이는 이전에 충분히 탐구되지 않았던 항목으로, 다양한 두드러진 객체 유형, 도전 요인, 장면 카테고리를 포괄하는 풍부한 속성 주석이 포함된 새로운 SOD 데이터셋을 구성하여 수행합니다. 우리는 또한 무작위 입력 교란 및 적대적 공격에 대한 SOD 모델의 강건성을 최초로 분석합니다. 우리는 기존 SOD 데이터셋의 일반화 가능성과 어려움도 살펴봅니다. 마지막으로, SOD의 여러 개방 문제에 대해 논의하고 향후 연구 방향을 제시합니다.