분류 전체보기58 R-CNN: Rich feature hierarchies for accurate object detection and semantic segmentation 안녕하세요. 오늘의 논문은 Rich feature hierarchies for accurate object detection and semantic segmentation 입니다 ! R-CNN이 등장하기 전 HOG, SHIFT를 활용한 Object Detection 성능은 몇 년동안 정체되어 있었다고 합니다. 이전 최고 성능인 mAP보다 30% 높은 53.3%를 달성하여 detection 분야에 새로운 방향을 제시하게 됩니다. R-CNN은 두 가지 중요한 아이디어를 결합했습니다. region proposals로 object 위치를 알아내고, 이를 CNN에 입력하여 class를 분류합니다. Larger data set으로 학습된 pre-trained CNN을 fine-tunning 합니다. R-CNN의 구.. 2022. 8. 14. [ Leetcode ] Hard / Median of Two Sorted Arrays ''' 7:31 ~ 7:45 input: arr, arr output: float 두 개의 arr 합치고 1) 홀수일 경우: 2) 짝수일 경우: ''' class Solution: def findMedianSortedArrays(self, nums1: List[int], nums2: List[int]) -> float: narr = nums1 + nums2 narr.sort() arr_len = len(narr) index = arr_len // 2 if arr_len % 2 == 0: # 짝수 return (narr[index - 1] + narr[index]) / 2 else: # 홀수 return narr[index] 2022. 8. 11. [ Leetcode ] Easy / Two Sum 문제 정수 배열들이 주어지고, 더해져서 특정 타겟에 해당하는 정수로 만드는 두개의 숫자 인덱스들을 반환합니다. 각각의 입력이 정확히 하나의 해를 가질 수 있다고 가정합니다. 같은 요소를 두 번 사용할 수 없습니다. class Solution: def twoSum(self, nums: List[int], target: int) -> List[int]: for i in range(len(nums) - 1): for j in range(i+1, len(nums)): sum_ = nums[i] + nums[j] if sum_ == target: result = [i, j] return result 2022. 8. 11. NMS: Non-maximum Suppression 안녕하세요, 이번에는 Object Detection 알고리즘을 구경하는데 대부분 NMS를 사용하여 연산량을 줄일 수 있다고 표현합니다. 이때 NMS에 대해 살펴보도록 하겠습니다. NMS란? Object Detector가 예측한 bounding box중에서 정확한 bounding box를 선택하도록 하는 기법입니다. 이미지에서 객체는 다양한 크기와 형태로 존재합니다. 이것을 완벽하게 검출하기 위해 Object Detection 알고리즘은 여러개의 bounding box를 생성합니다. 이 때 단 하나의 bounding box만을 선택하는 기법이 non-max suppression 입니다. Algorithm 각각의 Bounding box 별로 confidence threshold 이하의 bounding bo.. 2022. 8. 7. 이전 1 2 3 4 ··· 15 다음
