두 번째 단계: 분류(classification)와 바운딩 박스 회귀(bounding box regression)
• 첫 번째 단계에서 추출된 후보 영역 각각을 딥러닝 모델에 입력으로 제공하여, 해당 영역 내의 객체를 분류합니다.
• 또한 정확한 객체의 위치를 나타내기 위해 경계 상자(바운딩 박스)의 사이즈와 위치를 조절하는 작업도 함께 수행됩니다.
이러한 two-stage 접근 방식의 주요 장점은 높은 정확도를 달성할 수 있다는 것입니다. 객체의 위치와 클래스를 정확하게 탐지하기 위해 두 단계의 과정을 거치기 때문에 많은 정보와 컨텍스트를 활용하여 결과를 도출합니다. 그러나 단계를 두 번 거쳐야 하기 때문에 one-stage detector에 비해 처리 속도가 상대적으로 느릴 수 있습니다. 이런 특성 때문에 two-stage detector는 정확도가 중요한 연구나 응용 분야에서 주로 사용됩니다.