경량 크로스 어텐션 기반 의미 정렬을 통한 객체 탐지 성능 향상
Improving Object Detection via Lightweight Cross-Attention-based Semantic Alignment
2
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
다양한 크기의 객체를 정확히 인식하기 위해서는 효과적인 다중 크기 특징 표현 학습이 필수적이며, 이를 위해 대부분의 현대 객체 탐지기들은Feature Pyramid Networks 기반의 특징 융합 방식을 채택하고 있다. 그러나 서로 다른 수준의 특징 맵들은 표현 수준과 정보 성격이 달라 의미적불일치가 존재하며, 이러한 특징 맵들을 단순히 융합할 경우 오탐 (False Positives)의 주요 원인이 되어 탐지 성능 향상에 제약이 된다. 본 연구에서는이러한 문제를 해결하기 위해, 특징 융합 이전에 인접한 두 수준의 특징 맵 간 의미 정렬을 수행하는 경량 Cross-Attention 기반 의미 정렬 모듈을제안한다. 제안 모듈은 의미 정보가 부족한 저수준 특징 맵을 Query로, 의미적으로 풍부한 고수준 특징 맵을 Key와 Value로 활용하여 두 수준간의 의미적 연관성을 효과적으로 모델링한다. 또한, 연산 효율성을 고려하여 가장 낮은 해상도 특징 맵을 기준으로 시퀀스 길이를 제한함으로써실시간 적용 가능성도 확보하였다. 제안한 모듈은 MS COCO 및 PASCAL VOC 데이터셋에서 전통적인 탐지기와 최신 실시간 탐지기에 적용되어,AP 및 AP50 성능을 일관되게 향상시킴으로써 그 범용성과 효과성을 입증하였다.
Abstract
Accurate detection of objects with varying scales requires effective multi-scale feature representation learning. To this end, most modernobject detectors adopt Feature Pyramid Network (FPN)-based feature fusion strategies. However, due to differences in semantic granularityand information content across feature levels, direct fusion often results in semantic misalignment, leading to increased false positivesand limited detection performance. In this paper, we propose a lightweight cross-attention-based semantic alignment module that alignsadjacent feature levels prior to fusion. The module leverages semantically weak low-level features as queries and semantically rich high-levelfeatures as keys and values, enabling effective modeling of inter-level semantic relationships. To ensure computational efficiency andreal-time applicability, the sequence length is constrained based on the lowest-resolution feature map. We integrate the proposed moduleinto both conventional and real-time object detectors and evaluate it on the MS COCO and PASCAL VOC datasets. Experimental resultsdemonstrate consistent improvements in AP and AP50 metrics, validating the effectiveness and generality of our approach.