cacade rcnn 실험 0.4462 cascade방식을 쓸때가 안쓸때보다 더 좋다. (많은 iou를 사용해서 학습을 하므로)
multi scale cascade rcnn 실험 0.4614 (multi scale이 더 좋다)
하지만 실험 중에는 그래프의 차이가 크지 않고 cascade를 할 때 cls의 loss가 잘 안나온다는 것을 깨달았고
rpn loss는 잘 나오는 것을 확인했다. → 이는 데이터의 문제에서 생각해 볼 수 있는데 GT Box의 크기는 모든 클래스에서 비슷한 분포를 가지고 있어서 rpn loss는 잘 나오는 것을 알 수 있는데 cls에 대한 imbalance 문제가 있어서 cls loss는 잘 안나온다는 것을 생각해 볼 수 있다.
또한 아직 백본을 resnet으로 사용하고 있기 때문에 classification이 잘 되지 않을 수 있다.
⇒ 고로 지금 당장 해볼 수 있는것은 백본을 변경해 보는 것이다.
해야 하는 것
[ ] 백본을 더 큰 모델로 변경 - 단순히 모델 크기만 커질때 성능이 오를 것 같지는 않지만 일단 resnet101 실험
faster rcnn과 cascade rcnn(resnet), multi scale 실험
세부 설명
해야 하는 것
목표