Abstract
고정된 앵커 집합에 대하여 classification과 regression은 공동으로 최적화하지 못함
Anchor bag를 구성하여 객체별 대표적인 anchor를 선택하는 방식인 MAL(Multiple Anchor Learning) 방법을 제안함
반복적인 anchor 선택 프로세스를 최적화하기 위해 anchor의 confidence를 낮춤으로 교란(perturbing)하여 가장 좋은 anchor를 선택하도록 함
Introduction
Proposed Method
RetinaNet Revisit
Multiple Anchor Learning
Selection-Depression Optimization
Implementation
Optimization Analysis
Experiments
Conclusions & Reviews
Best anchor를 선택하면서 Classification confidence와 localization을 같이 optimize하기 때문에 객체와 anchor를 매칭하는 것을 학습할 수 있음
근본적으로는 IoU를 통해 anchor를 선택하는 것이 좋지 않기 때문에 이러한 방법들이 계속해서 연구되고 있음