우리는 그래프 합성곱 신경망(GCN)의 인접 행렬에 대한 인접성의 대각선 제약을 통해 물체의 경계 박스를 탐지할 수 있는 새로운 물체 탐지 접근법인 DaigNet을 제안한다. 우리는 인접 행렬에 대한 하드 및 소프트 제약을 기반으로 하는 두 가지 대각화 알고리즘과, 대각선 제약 및 상보 제약을 사용하는 두 가지 손실 함수를 제안한다. DaigNet은 일반적으로 사용되는 일련의 앵커 박스를 설계할 필요성을 제거한다. 본 발명의 새로운 검출기의 가능성을 입증하기 위해 YOLO 모델에서의 탐지 헤드를 채택한다. 실험 결과, DiagNet은 Pascal VOC에서 YOLOv1 대비 mAP50을 7.5% 더 높게 달성하였다. 또한 DiagNet은 MS COCO에서 YOLOv3u 대비 mAP을 5.1% 더 높게, YOLOv5u 대비 mAP을 3.7% 더 높게, YOLOv8 대비 mAP을 2.9% 더 높게 나타냈다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.