PANet(Path Aggregation Network)

Related to: Deep Learning

FPN의 단점

Bottom-Up의 과정에서 실제로는 매우 많은 CNN Layer를 거치기 때문에 상위 Level의 Layer로 Feature를 재대로 전달하는지 장담 할 수 없습니다.

• ex : ResNet의 긴 CNN 구조)

PANet(Path Aggregation Network)

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

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