영상 10:45초에서

항상 빠르고 좋은 답변 감사합니다 :p 재밋게 열심히 잘 공부하고있습니다 ! 

안녕하십니까,

머신러닝, 특히 딥러닝은 정답을 학습하는게 아니라 정답을 찾아가는 과정을 학습한다고 생각하시면 도움이 될 듯합니다. 즉 positive a,b 를 결정값(Target)으로 설정하고 거의 random(물론 anchor box가 있으니까 random은 아닙니다만, 설명상 random으로 하겠습니다) 수준으로 최초 예측한 값의 오차값을 계속 줄여나가면서 정답을 찾아가는 과정을 학습하는 것입니다.

그래야만 다른 유형의 데이터 세트가 있을 때 이렇게 학습 된 모델이 정답을 찾아가는 과정을 통해서 예측을 수행하는 것입니다. 바로 positive를 적용하면 학습이 되지 않고 다른 유형의 데이터 세트에는 적용할 수가 없습니다. 이렇게 정답을 찾아가는 과정이 딥러닝 모델의 weight 값이라고 생각하시면 좋을 것 같습니다. 그리고 바로 이 weight를 학습하는 것이 딥러닝의 학습입니다.

따라서 positive a,b를 찾아갈 수 있도록 predicted a,b를 계속 예측 오류를 최소화 시키면서 최적의 weight 값을 찾아야 RPN 기반의 Object Detection을 수행할 수 있습니다.

감사합니다.