고해상도 이미지 딥러닝 학습방법

 

Image size :  12000*12000

 

딥러닝 초기 입문에 많이 쓰는 오픈소스 데이터는 이미지 사이즈가 작음

실무로 들어가다보면 굉장히 곤혹스러울때가 있는데 

그 중 하나가 고해상도 이미지를 딥러닝할때이다.

 

단순히 리사이즈를 한다 ?!

그럼 이미지 정보 손실이 있을  뿐더러, small object 같은 경우 못찾는 경우가 허다하다

 

그럴때, 두가지 전략을 사용한다. 

 

1. 하이브리드형 패치  

   1-1 대형패치로 1차 탐색

   1-2 소형 패치로 정밀탐색

2. Feature-map stitching 

 

 보통 패치 전략으로 학습하면 예측할때, 

patch → backbone → head → bbox
patch → backbone → head → bbox
patch → backbone → head → bbox

 

이렇게 하게되는데 

 패치들을 원본기준으로 붙여 큰 피처맵을 완성하는 방식이다.

 

그렇게되면 패치마다 head를 돌리지않고 전체 feature map에 한번 실행하면됨 

 

단점으론 최종 stiched feature map이 매우 커질수 있음 

그렇지만 patch 수가 100개 이상일땐 고려해볼만함