주제 1: 기존 모델 개선(Ablation study를 통한 모듈 검증)

Abstract

입력층을 통과한 중간 feature map에 channel attention과 spatial attention module이 병렬적으로 존재하는 CDANet을 통과시켜 refined features를 얻음.

특히 본 모델을 통해 background와 object를 잘 구분할 수 있음.

PASCAL VOC2007과 MS 2017 데이터셋을 사용해 성능 평가

Common-and-Differential(CD) 방법을 conv를 통과한 feature map에 적용함.

• CD라고 한 것은 YOLO와 같은 benchmark 모델에 novel module을 적용해 평범하지만 특별하다고 한 것으로 추정됨(개인 생각).

주요 기여점

• Common-and-Differential Attention Network(CDANet)을 만들어 feature representation을 더 잘 학습함.
• CD 방법을 통해 배경과 물체를 잘 구분함.

Methodology

방법론은 아래와 같이 구성됨. Benchmark model에 본 논문에서 제안하는 모듈을 결합하는 방법을 설명하고 있음.

Channel attention과 Spatial attention 방법.

YOLOv4와 novel CDAM 모듈을 결합하는 과정. YOLOv4의 CSP network 사이에 모듈을 추가함.