Dense Pest Counting based on Local Grouping and Discriminative Feature Attention Learning

트랩에서 촬영된 해충 이미지는 해충이 조밀하게 분포하거나 군집을 형성하기 때문에 폐색 문제 및 다양한 포즈 변화를 야기한다. 이러한 걸림돌을 해결하기 위해서는 객체 영역과 배경 영역을 분리하여 로컬 특징의 구별력을 강화할 수 있는 어텐션 메커니즘을 설계하는 것이 필수적이다. 이를 위해 본 연구에서는 로컬 그룹화 및 스케일 유도 어텐션을 멀티스케일 센터넷 프레임워크에 통합하는 새로운 방안을 제시한다. 특히 스택 백본의 첫 번째에서 예측된 히트맵 정보, 즉 해충의 중심점을 활용하여 로컬 어텐션을 설계하는 방법을 제안한다. 실험을 통해 제안된 모델은 로컬 그룹화 및 차별적 특징 어텐션을 통해 특징 구별력을 향상하였고, 폐색 및 포즈 변화 문제를 극복하는 데 효과적인 것으로 입증되었다. 무엇보다 제안된 모델은 기존 객체 검출 기반 카운팅 모델보다 약 24.6%의 정확도 향상을 달성하였다.