MoEIoU: 전문가 혼합 (Mixture of Experts) 방식을 통한 경계 상자 회귀 (Bounding-Box Regression)의

요약

객체 탐지의 정밀도를 높이기 위해 MoE(Mixture-of-Experts) 방식을 적용한 새로운 경계 상자 회귀 손실 함수인 MoEIoU를 제안합니다. 학습 단계에 따라 위치, 형태, 중첩 오류를 적응적으로 조절하여 기존 IoU 기반 손실 함수보다 빠른 수렴과 높은 정확도를 달성했습니다.

핵심 포인트

• MoE 방식을 통한 중첩, 중심 정렬, 종횡비 불일치의 공동 모델링
• 학습 단계별 최적화를 위한 커리큘럼 기반 가중치 스케줄링 도입
• log-sum-exp 함수를 활용한 지배적 위치 추정 오류 강조
• MS COCO 등 주요 데이터셋에서 SOTA 성능 및 빠른 수렴 입증