PANet(Path Aggregation Network)

Related to: Applications

개요

PANet은 FPN(Feature Pyramid Network)의 단점을 보완하기 위해 제안된 Neck 구조입니다. Bottom-Up Path Augmentation과 Adaptive Feature Pooling 두 가지 핵심 아이디어를 제안합니다.

FPN의 단점

Bottom-Up의 과정에서 실제로는 매우 많은 CNN Layer를 거치기 때문에 상위 Level의 Layer로 Feature를 제대로 전달하는지 장담할 수 없습니다.

• ex: ResNet의 긴 CNN 구조

핵심 개념

PANet은 Bottom-Up Path Augmentation를 위한 Network의 추가와 Adaptive feature pooling이라는 아이디어를 제안합니다.

Bottom-up Path Augmentation

• Bottom-Up 방향으로 진행하는 새로운 Network 생성, 기존 방식으로 만든 stage 별 feature map인 P를 더하며 위로 진행
  • low-level feature 정보를 손쉽게 high-level로 전달
  • 정보가 전달되는 information flow를 축소하여 low-level 정보를 최대한 보존하는 역할

Adaptive Feature Pooling

• 기존의 stage mapping의 문제(수 pixel 차이로 stage가 변하는 경계선상에 있는 roi들이 존재)를 해결하기 위해 모든 Stage에서 ROI Pooling 수행
  • N2~N5 각각의 feature map에 RPN이 적용되여 RoI를 생성
  • 생성된 RoI는 RoI Align을 거쳐서 일정한 크기의 벡터를 생성
  • 생성된 벡터를 max 연산으로 하나로 결합
  • 결합된 벡터에서 class와 box를 예측

관련 개념

• FPN(Feature Pyramid Network) — PANet의 기반이 되는 Feature Pyramid 구조
• BiFPN(Neck, EfficientDet) — PANet 이후 등장한 양방향 Feature Pyramid
• Neck — PANet이 속하는 객체 탐지 구성요소 카테고리
• DetectroRS — FPN 계열의 또 다른 개선 모델
• ResNet — PANet의 Backbone으로 사용되는 네트워크

참조

Path Aggregation Network for Instance Segmentation

The way that information propagates in neural networks is of great importance. https://arxiv.org/abs/1803.01534

Week 10

https://deep-learning-study.tistory.com/637