FCOS_Resnet50 모델의 특징

FCOS ResNet-50 모델의 주요 특징

아키텍처 특성

One-Stage 검출기: 바운딩 박스와 클래스를 한 번에 예측하는 방식으로, Two-Stage 방식(Faster R-CNN 등)보다 빠름

Anchor-Free 방식: 기존 YOLO나 SSD와 달리 미리 정의된 앵커 박스 없이 직접 객체의 중심점에서 바운딩 박스를 예측

FPN (Feature Pyramid Network): 다양한 크기의 객체를 효과적으로 검출하기 위해 멀티 스케일 특징을 활용

ResNet-50 백본

깊은 신경망: 50개 레이어로 구성된 잔차 네트워크로 특징 추출 성능이 우수

잔차 연결: Gradient Vanishing 문제를 해결하여 깊은 네트워크 학습 가능

성능 특성

속도와 정확도 균형: RetinaNet보다 빠르면서도 비슷한 정확도 유지

작은 객체 검출: FPN 덕분에 작은 객체도 잘 검출

메모리 효율성: Anchor-Free 방식으로 메모리 사용량이 상대적으로 적음

출력 형식

직접 예측: 각 픽셀에서 객체까지의 거리(left, top, right, bottom)를 직접 예측

Center-ness: 객체 중심에 가까울수록 높은 점수를 주는 Center-ness 점수 활용

이 모델이 M1 Mac에서 안정적으로 동작하는 이유는 ONNX 변환이 잘 지원되고, CPU에서도 충분히 빠른 추론 속도를 보여주기 때문입니다!