Paper Review/Object Detection3 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. 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. IoU(Intersection over Union) IoU는 Object Detector의 정확도를 측정하는데 이용되는 평가 지표입니다. 보통 두 가지 물체의 위치(bounding box)가 얼마나 일치하는지를 수학적으로 나타낸 것입니다. 0 ~ 1 사이의 값을 가집니다. IoU를 적용하기 위해서는 두 가지가 필요합니다. ground-truth bounding boxes : testing set에서 object 위치를 labeling 한 것 predicted bounding boxes : model이 출력한 object 위치 예측값 초록색은 ground-truth, 빨간색은 predicted bounding box를 의미합니다. 이제 object detector가 얼마나 정확하게 객체 위치를 탐지했는지 알아보기 위해 IoU를 계산해보도록 하겠습니다. ar.. 2022. 8. 7. 이전 1 다음
