작성
·
128
0
답변 1
0
안녕하십니까, 잘 듣고 계시다니 저도 기분이 좋군요.
1. RPN에서 Imbalancing 문제를 해결하기 위해 256 배치 중 128개 positive 128개 negetive 128개로 하여 학습을 한다고 하였는데 (강의 125페이지), 아무래도 object가 많기 때문에 이 경우에는 마치 positive는 oversampling하고 negetive는 undersampling하는 것과 동일한 개념이라고 이해하면 될까요? 앵커 미니배치를 128이나 64처럼 다른 숫자로 해도 상관 없을까요?
=> 네, over/under sampling 개념으로 보시도 될 것 같습니다. 숫자는 다른 숫자로 해도 상관이 없을 것 같습니다.
=> RPN과 전체 모델의 FC layer에서의 BBox regression은 같지 않습니다. RPN은 Object 위치 파악, 즉 selective search와 비슷한 역할을하며 전체 모델의 fc layer에서 object의 위치를 구합니다. 즉 말씀하신대로 select된 ROI만 loss를 구해서 object의 위치를 구합니다.
감사합니다!!😍