[RetinaNet] FPN(Feature Pyramid Network)

FPN(Feature Pyramid Network)은 객체 감지 및 세분화 작업에 사용되는 네트워크 아키텍처입니다. FPN은 이미지의 다양한 크기의 객체를 효과적으로 감지하기 위해 다중 해상도 특징 맵을 생성합니다.

일반적으로, 객체 감지 네트워크는 다양한 크기의 객체를 처리하기 위해 이미지 피라미드를 사용합니다. 그러나 이미지 피라미드는 계산 비용이 많이 드는 단점이 있습니다. FPN은 이러한 문제를 해결하기 위해 특징 피라미드를 효율적으로 생성하여 다양한 크기의 객체를 처리할 수 있도록 합니다.

FPN은 다음과 같은 단계로 작동합니다:

1. 입력 이미지를 기반으로 한 백본(backbone) 네트워크를 사용하여 여러 개의 특징 맵을 생성합니다. 이 특징 맵들은 점진적으로 더 큰 해상도를 가지도록 구성됩니다. 일반적으로 더 낮은 수준의 특징 맵은 더 많은 공간적인 정보를 포함하고, 더 높은 수준의 특징 맵은 추상적이고 의미 있는 특징을 포함합니다.

2. 생성된 특징 맵들을 기반으로 피라미드 구조를 형성합니다. 이는 상위 수준의 특징 맵과 하위 수준의 특징 맵 사이에서 정보를 전달하고 결합하는 프로세스를 의미합니다.

3. 피라미드 구조에서 각 수준의 특징 맵은 다른 크기의 객체를 처리하는 데 사용됩니다. 더 낮은 수준의 특징 맵은 작은 객체에 더 적합하고, 더 높은 수준의 특징 맵은 큰 객체에 더 적합합니다. 이는 객체의 다양한 크기에 대한 정보를 모두 활용하여 정확한 객체 감지를 가능하게 합니다.

4. FPN은 이러한 다중 해상도 특징 맵을 사용하여 객체 감지 작업을 수행합니다. 주로 객체 감지 모델에서는 특징 맵 위에 위치한 앵커 박스(anchor box)를 사용하여 객체의 위치와 클래스를 예측합니다.

FPN은 다양한 크기의 객체를 처리하면서도 계산 비용을 최소화하고 정확성을 향상시킵니다. 피라미드 구조를 통해 객체 감지 모델은 객체의 크기에 상관없이 일관된 정확성을 유지할 수 있습니다. 이러한 이점으로 FPN은 객체 감지 및 세분화 작업에서 많이 사용되는 중요한 아키텍처입니다.