Part detection is an application of object detection that detects components of objects, it has been drawing attention from industries and academia. However, part detection has relatively low detection accuracy compared to object detection due to small size of part and similarity among parts. To tackle such problems, previous research has utilized object information to improve detection quality, however could only concatenate information of object selected using handcrafted rules. This thesis proposes attention mechanism using OBB map to improve part detection quality. Proposed network consists of 3 parts; 1) Object detection network, 2) Attention module using OBB map, 3) Part detection network with attention module. Attention module utilize class and arrangement information to boost important part of feature and suppress unnecessary feature. Experimental results on PASCAL PART dataset showed that proposed network improved detection quality of baseline model.
부품 검출 분야는 객체를 구성하는 각 부분을 검출하는 객체 검출의 한 분야로서, 최근들어 산업계와 학계의 관심을 불러일으키고 있다. 하지만 부품 검출은 각 부품의 작은 크기와 각 부품의 유사성으로 인해 객체 검출에 비해 인식률이 낮다. 이러한 문제점들을 대처하기 위하여 기존의 모델들은 객체의 정보를 이용하여 부품 검출의 인식률을 높여주었지만, 객체의 정보를 단순 접합하는데 머물러 정보를 효율적으로 이용하지 못하였다. 본 논문에서는 바운딩 박스 맵의 형태로 객체의 정보를 이용한 주의 집중역학으로 부품 검출의 인식률을 높이는 네트워크를 제안한다. 본 논문에서 제안하는 네트워크는 3가지 부분으로 이루어져있다 ; 1) 객체 검출 네트워크, 2) 객체의 정보를 활용한 주의 집중 네트워크, 3) 주의 집중 네트워크를 활용한 부품 검출 네트워크. 주의 집중 네트워크는 각 부품이 어떤 객체의 부품인지를 활용하여 중요한 피쳐를 강조해주고 필요없는 피쳐를 억제해준다. PASCAL PART 데이터셋에서의 실험이 제안한 네트워크가 기존의 방법의 성능을 개선하였음을 보여준다.
