• 목록

[일시]
2024.10.28

[세미나 주제]
Out-of-Distribution Detection in Object Detection

[발표자]
강지연

[요약]
본 발표는 Object Detection에서의 Out-of-Distribution이 어떻게 활용되고 있는지에 대한 최신 논문 두 가지를 소개한다. Object Detection은 이미지 데이터에서 관심 있는 객체를 탐지하는 기술로 자율 주행 분야나 차량 안전사고 방지를 위해서는 정확성이 매우 중요하다. 하지만 모델의 충분한 학습에도 훈련을 할 때 보지 못했던 클래스나 새로운 이미지가 테스트에 사용되었을 때 이를 탐지하지 못하고 잘못된 탐지 결과를 도출한다. 이를 위해 Object Detection 분야에 OOD Detection이 언급되고 있으며 OOD데이터 판별을 통해 객체의 오탐지 되는 경우를 식별한다. 먼저 첫 번째 논문은 YolOOD는 YOLO 모델을 기반으로 OOD 감지를 위한 다중 레이블 객체 탐지 모델을 제안하였고, objectness score와 class score를 결합해서 다중 레이블 OOD 감지 성능을 크게 향상시킨 점이 특징이다. 이 YolOOD는 이미지 내에서 여러 객체의 존재 여부를 동시에 예측할 수 있어서 복잡한 장면에서의 OOD 감지에 유리하다는 장점이 있고, 두 번째 논문은 베이지안 신경망을 사용해서 OOD를 검출하는데 사전 훈련된 모델에 베이지안 레이어를 추가하는 방식이기 때문에 OOD 탐지를 위해 별도의 데이터나 추가 학습이 필요하지 않다는 장점이 있다. OOD Detection은 이렇게 여러 분야와 혼합되어 성능을 높이는 데에 사용되고 있다.

[관련 논문]
- YolOOD: Utilizing Object Detection Concepts for Multi-Label Out-of-Distribution Detection
- Out-of-distribution Object Detection through Bayesian Uncertainty Estimation

[녹화 영상 링크]
https://us02web.zoom.us/rec/share/oyiEK0gAv41qgHN1T9Y5XhAhZBMNQobZg7nvVGFpIzf_plA0mlOm0tENuLel2A8X.ATfkwCRLCRWGim1T