차별화된 위치 지정을 위한 심층 특징 학습

본 연구에서는 13에서 제안된 글로벌 평균 풀링 레이어를 재검토하고, 이미지 수준 라벨로 학습되었음에도 불구하고 합성곱 신경망(CNN)이 뛰어난 위치 지정 능력을 갖게 하는 과정을 명확히 밝힙니다. 이 기법은 이전에 학습 정규화의 수단으로 제안되었으나, 우리는 이것이 실제로 CNN이 이미지 내에서 내재적 주의를 드러내는 일반적인 위치 지정 가능한 심층 표현을 구축한다는 것을 발견했습니다. 글로벌 평균 풀링의 단순해 보이는 원리에도 불구하고, 우리는 어떠한 경계 상자 주석 없이 ILSVRC 2014에서 객체 위치 지정 시 37.1%의 top-5 오류율을 달성할 수 있었습니다. 다양한 실험을 통해, 본 네트워크가 단지 분류 작업 해결을 위해 학습되었음에도 불구하고 차별화된 이미지 영역을 위치 지정할 수 있음을 입증했습니다.