SSD(Single Shot Detector)는 딥러닝 객체 탐지 모델 계열로, 신경망의 단일 순방향 패스에서 분류와 위치 파악을 동시에 수행한다. 먼저 영역을 제안한 후 분류하는 초기 2단계 탐지기와 달리, SSD는 경계 상자의 출력 공간을 다양한 종횡비와 스케일의 기본 상자 집합으로 이산화한 다음, 각 기본 상자에 대해 객체 클래스와 상자 오프셋을 한 번에 예측한다. 이러한 설계 덕분에 SSD는 이전 모델들보다 훨씬 빠르면서도 경쟁력 있는 정확도를 유지하여, 비디오 감시, 자율 주행, 증강 현실과 같은 실시간 응용 분야에서 널리 선택되었다.
SSD 아키텍처는 2016년 논문 "SSD: Single Shot MultiBox Detector"에서 Wei Liu, Dragomir Anguelov, Dumitru Erhan, Christian Szegedy, Scott Reed, Cheng-Yang Fu, Alexander C. Berg에 의해 소개되었다. 이 연구는 구글에서 수행되었으며 2016년 유럽 컴퓨터 비전 학회(ECCV)에서 발표되었다. 이 모델은 잘 알려진 합성곱 신경망 아키텍처인 VGG-16 백본 위에 구축되었으며, 특징 맵의 공간 해상도를 점진적으로 줄이는 여러 보조 합성곱 계층을 추가했다. 이러한 다중 스케일 특징 맵은 탐지기가 다양한 크기의 객체를 처리할 수 있게 하며, 초기 계층은 작은 객체의 세부 정보를, 후기 계층은 큰 객체에 대한 더 의미론적인 정보를 제공한다.
아키텍처 및 설계
SSD의 핵심 혁신은 기본 상자(앵커 상자라고도 함)의 사용으로, 각 특징 맵 위치에서 다양한 종횡비와 스케일의 미리 정의된 경계 상자이다. 각 기본 상자에 대해 네트워크는 클래스 확률과 상자 좌표에 대한 네 가지 오프셋을 예측한다. 훈련 중에는 기본 상자가 교차-합집합(IoU) 임계값을 기준으로 실제 객체와 매칭되며, 손실 함수는 위치 손실(smooth L1)과 신뢰도 손실(softmax 교차 엔트로피)을 결합한다. SSD는 또한 양성 및 음성 예제 간의 불균형을 해결하기 위해 하드 네거티브 마이닝을 사용하여 약 1:3 비율을 유지한다.
네트워크는 일반적으로 conv4_3, conv7, conv8_2, conv9_2, conv10_2, conv11_2와 같은 여러 계층의 특징 맵을 사용하며, 각 계층은 서로 다른 수의 기본 상자를 생성한다. 예를 들어, 원래 SSD300(입력 크기 300x300)에서 기본 상자의 총 수는 8732개이다. 다중 스케일 접근 방식은 명시적인 영역 제안 단계 없이 고해상도 특징 맵으로 작은 객체를, 저해상도 특징 맵으로 큰 객체를 감지할 수 있게 해주므로 중요하다.
훈련 및 최적화
SSD는 PASCAL VOC 및 Microsoft COCO 데이터 세트에서 훈련되었다. PASCAL VOC 2007 테스트 세트에서 SSD300은 단일 Nvidia Titan X GPU에서 초당 58프레임(FPS)으로 72.1% 평균 정밀도(mAP)를 달성했으며, SSD512는 22 FPS에서 76.8% mAP를 달성했다. 이러한 결과는 속도-정확도 트레이드오프 측면에서 당시 최첨단이었던 Faster R-CNN(7 FPS에서 73.2% mAP)과 YOLO(45 FPS에서 63.4% mAP)를 능가했다. 훈련 과정에서는 무작위 자르기, 색상 왜곡, 수평 뒤집기와 같은 데이터 증강 기법을 사용하여 견고성을 향상시켰다.
저자들은 또한 저수준 및 고수준 특징 맵을 결합하여 작은 객체 탐지를 더욱 개선하는 특징 융합을 갖춘 SSD 변형을 도입했다. 이후 DSSD(Deconvolutional Single Shot Detector) 및 FSSD(Feature Fusion Single Shot Multibox Detector)와 같은 후속 연구는 SSD의 아이디어를 기반으로 정확도를 향상시켰지만, 종종 일부 속도를 희생했다.
영향 및 유산
SSD는 컴퓨터 비전 및 객체 탐지 분야에 지속적인 영향을 미쳤다. 단일 단계 탐지기가 2단계 탐지기와 유사한 정확도를 달성하면서 훨씬 빠를 수 있음을 입증했으며, 이는 RetinaNet 및 YOLO 버전과 같은 후속 모델에 영향을 주었다. 기본 상자 및 다중 스케일 예측의 개념은 EfficientDet 및 최신 아키텍처의 앵커 기반 분기를 포함한 많은 현대 탐지기에서 널리 채택되었다. SSD는 또한 많은 머신 러닝 프레임워크의 표준 구성 요소가 되었으며 TensorFlow Object Detection API에 포함되어 실무자들이 쉽게 사용할 수 있게 되었다.
인공 지능 연구의 맥락에서 SSD는 엣지 장치에서 실행할 수 있는 실시간 효율적인 모델로의 전환에서 중요한 이정표로 자주 인용된다. 그 설계 원칙은 객체 탐지 외에도 얼굴 탐지 및 텍스트 탐지와 같은 분야에 적용되었다. 속도와 정확도의 균형을 맞추는 모델의 능력은 임베디드 시스템 및 모바일 애플리케이션에서 인기 있는 선택이 되었으며, 학술 벤치마크에서 여전히 기준점으로 남아 있다.
관련 발전
SSD 이후 여러 개선 사항이 제안되었다. RetinaNet 모델은 단일 단계 탐지기의 클래스 불균형 문제를 해결하기 위해 초점 손실을 도입하여 COCO에서 SSD보다 더 나은 정확도를 달성했다. YOLO 계열은 YOLO9000부터 SSD와 유사한 다중 스케일 예측을 통합했다. 또한 MobileNet-SSD 변형은 SSD를 경량 백본과 결합하여 모바일 배포를 지원하며, 탐지기가 리소스 제약 환경에 적응할 수 있음을 입증했다.
딥러닝 아키텍처의 더 넓은 환경에서 SSD는 Faster R-CNN과 같은 영역 기반 방법 및 수작업 앵커의 필요성을 없앤 DETR(Detection Transformer)과 같은 후기 트랜스포머 기반 탐지기와 자주 비교된다. 그러나 SSD의 단순성과 효율성은 특히 대기 시간이 중요한 시나리오에서 지속적인 관련성을 보장했다.
같이 보기
참고 문헌
- Liu, W., Anguelov, D., Erhan, D., Szegedy, C., Reed, S., Fu, C.-Y., & Berg, A. C. (2016). SSD: Single Shot MultiBox Detector. ECCV.
- Lin, T.-Y., Goyal, P., Girshick, R., He, K., & Dollár, P. (2017). Focal Loss for Dense Object Detection. ICCV.
- Redmon, J., & Farhadi, A. (2017). YOLO9000: Better, Faster, Stronger. CVPR.