YOLO 배경
classification vs clustering
classification: 지도학습
clustering: 비지도학습
classification vs regression
class vs feature
딥러닝이 큰 두각을 나타내고 있는 분야는 이미지이다.
object Recognition -> object Detection
MLP(Multi layer Perceptron)의 문제점은 똑같은 1이라는 이미지라도 옆으로 옮겨져있거나 기울어져있으면 1이 아니라고 여김.
(layer 안에 원 하나가 perceptron)
이를 해결하기 위해 CNN이 나옴. 특징을 추출함.
이제는 사물 하나하나를 다 인식하고 싶은거다.
그중 가장 두각을 나타낸게 YOLO와 SSD
가운데선 아래가 single-stage Detector, 위에가 2-stage Detector
2-stage Detector
- 고양이가 있을 법한 곳을 먼저 찾음
- 그 후 그 영역에 뭐가 있는지를 분류함
- 이렇게 두번 딥러닝이 돈다.
1-stage Detector
- 하나의 이미지를 여러개의 그리드로 분리시키고 각 그리드들이 같은 사물이라면 연결시켜서 사진을 인식함.
YOLO 개념
바운딩 박스는 회귀로(바운딩 박스의 좌표와 크기는 연속적인 값)
클래스를 분류하는 것은 classification으로 푼다.
YOLO 사용해보기
Git clone 해서 가져오면 됨.
https://github.com/RahmadSadli/Deep-Learning/tree/master/YOLOv3_TF2
