앵커 박스(Anchor box)

기존 object detection의 최대 단점

• 각각의 격자셀이 오직 하나의 물체만 감지할 수 밖에 없다.
• 이를 해결하기 위한 방법으로 앵커박스 사용.

앵커박스 (anchor box)

• 한 이미지 내에서 두 물체가 한 격자 셀에 나타날 경우를 다루는 방법
• 3x3 격자 셀 대신 19x19 와 같은 격자셀을 사용하면 이러한 경우는 거의 드물게 발생함.

 

Output y 

• 위 그림에서 보는 것처럼, 출력 y는 pc, bx, by, ... 와 같은 값을 출력한다.
• 각 앵커박스는 8개의 값을 부호화하는데,
  Pc = 해당 위치에 사람이 있다는 것을 나타냄
  Bx,y,h,w = 해당 위치의 좌표
  C1,2,3 = 해당 클래스(세개일 때 기준으로, 0번 클래스라고 예측하면 1 0 0 값을 출력)
• 결과값 y의 shape = 3x3x16 (격자 3x3이고, class 2개 검출됐을 때 기준) 

앵커박스의 장점

• 학습 알고리즘을 전문화시킴. 즉, 특정 물체 감지에 더욱 특화되게 한다.

앵커박스 고르는 방법

• k-means 알고리즘으로 앵커박스 세트를 고름.
• detection 할 물체들의 가장 정형화된 표현을 나타낼 수 있음.
• 자동으로 앵커박스 고르는 방법도 있음.

 

 

참고 : https://youtu.be/RTlwl2bv0Tg