Backbone

Backbone의 개념을 어렴풋하게 알고 있었으나, 막상 코드에서 건들어보려니 뭔지 모르겠어서 정리한다.

Backbone은 입력이 처음 들어와서 출력에 관련된 모듈에 처리된 입력을 보내주는 역할이라고 생각할 수 있다.

즉, 백본은 입력 이미지를 feature map으로 변형시켜주는 부분이다. ImageNet 데이터셋으로 pre-trained 시킨 VGG16, ResNet-50 등이 대표적인 Backbone이다. 

 

Backbone이 척추, 여러가지 task가 몸의 각 부분이라고 생각하면 ResNet과 같은 classification model은 입력을 받아서 각 task에 맞는 모듈로 전달해주는 역할이다. 결국 개체를 검출하든 영역들을 나누든 Neural Network는 입력 이미지로부터 다양한 feature를 추출해내는 역할을 backbone 네트워크가 한다.

​

 

헤드

Backbone에서 추출한 feature map의 location 작업을 수행하는 부분이다. 헤드에서 predict classes와 bounding boxes 작업이 수행 

 

넥(Neck)

Backbone과 Head를 연결하는 부분으로, feature map을 refinement(정제), reconfiguration(재구성)한다. 대표적으로 FPN(Feature Pyramid Network), PAN(Path Aggregation Network), BiFPN, NAS-FPN 등이 있다.

 

 

 

 

 

Reference

https://ddangjiwon.tistory.com/103

Backbone(백본)에 대해

https://blog.naver.com/keeping816/221681396990