SPP 에서의 bounding box regression

Question

SPP 알고리즘을 활용하여 2000개의 추천 regions에 해당하는 2000개의 동일 크기의 벡터가 만들어졌다고 가정했을 떄,

추출된 벡터 하나하나는 마치 각자가 새로운 이미지처럼 여겨지므로 결국 FC layer의 차원은 (1, vector_size)가 되고

FC layer 1은 classification, FC layer 2는 bounding box regression 을 위해 활용되는 것인가요?

Answer

네 맞습니다. 그리고 추천을 2000개 하면 2000은 하이퍼 파라미터라기 보다 내부 고정이 되어야 합니다

Answer

fc1은 classification 용이고 fc2는 bounding box regression 용으로 제가 임의로 지정한 것입니다!

그렇다면 SPP -layer 를 다음 FC layer 로 전달하기 위한 layer 라고 이해했을때,

1) 먼저 2000개의 region 을 feature map에 매핑하고

2) 2000개의 매핑된 부분을 SPP 를 이용해 특정 크기(=vector_size)의 벡터로 만들어주고

3) FC layer로 전달하기 위해 2000x vector_size 로 쭉 연결시켜주고

4) FC layer에 통과시킨다.

가 맞는건가요?

만약 맞다면, 추천 regions의 개수인 2000 은 하이퍼파라미터로서 고정되어야 하는 숫자이지요???

Answer

네, spp layer가 fc layer를 뜻한다면 그런식으로 계산됩니다만,

fc1, fc2가 어떤것을 얘기하는지 모르겠지만, classification 쪽으로 가는 fc 두개를 얘기한다면 이는 다 classification용입니다. 그리고 regression으로 가는 fc는 별도로 그리지 않았습니다.