Rich feature hierarchies for accurate object detection and semantic segmentation

지난 몇 년 동안 표준 pascal voc데이터 세트에서 측정된 객체 감지 성능은 평탄했다. 

가장 성능이 좋은 방법은 일반적으로 여러 하위 수준 이미지 기능과 높은 수준의 context를 결합한 복잡한 앙상블 시스템 이었다. 

이 논문에서는 voc 2012에 대한 앞서 설명한 앙상블 시스템보다 평균정밀도(mAP)를 30% 이상 향상시켜 53.3%의 mAP를 당성하는 간단하고 확장 가능한 탐지 알고리즘을 제안한다. 

 

이 논문에서 소개하는 핵심적인 방법은 두 가지로

첫번째로 객체를 로컬라이징 및 분할하기 위해 bottom-up region proposals 을 high-capacity convolutional neural networks을 적용할 수 있다는 것이고 

 

두번쨰로 라벨링된 훈련 데이터가 부족할 때 보조 작업에 대한 사전학습을 지도하고 domain별 fine tuning후에 상당한 performance boost를 산출한다는 것이다. 

 

이 두가지 특징을 결합하여 구현된다. 

 

region proposals를 cnn과 결합하기 때문에 regions with cnn feature 즉 r-cnn이라 한다. 

그리고 r-cnn을 유사한 cnn아키텍처를 기반으로 최근에 제안된 sliding-window detector 인 overFeat와 비교한다. 

이러한 과정에서 r-cnn이 200클래스의  ILSVRC 2013 detection dataset 에서 overFeat를 큰 폭으로 능가한다는 것을 증명하였다 .