[Object Detection] 1. Object Detection 논문 흐름 및 리뷰
Deep Learning을 이용한 Object Detection은 크게 1-stage Detector와 2-stage Detector로 나눌 수 있다.
1-stage Detector : Classification과 Localization을 동시에 수행 (ex.YOLO, SSD 계열)
→ RoI 영역을 먼저 추출하지 않고 전체 이미지에서 CNN으로 Classification, Localization 수행
2-stage Detector : 두 개를 순차적으로 수행 (ex. R-CNN 계열)
1. Selective Search, RPN(Region Proposal Network)와 같은 알고리즘 미 네트워크를 통해 Object가 있을만한 영역을 뽑아냄 =Roi(Region of Interest)
- Selective Search란?
- RPN(Region Proposal Network)란?
2. 각 영역들을 CNN을 통해 Classification, Localization을 수행
→ 속도 : 1-stage > 2-stage
→ 정확도: 1-stage < 2-stage
<1-stage & 2-stage Detector기술 흐름 동향>
→ 자 이제 하나하나 짚어봅시다!
2012년 AlexNet이 세상에 공개되면서 CNN이 이미지 분류(Classification)에서 표준처럼 다루어짐.
Classification은 한 개의 객체(Object)가 그려져 있는 이미지가 있을 때, 이 객체가 무엇인지 알아내는 문제
객체 인식(Object Detection) - 이미지 내 관심 있는 객체의 위치에 Bounding Box를 그리고, 다수의 Bounding Box를 다양한 Object 종류에 대해 찾아야 함 → Classification보다 훠~얼씬 복잡
<Classification vs Object Detection>
2014년에 R-CNN의 등장으로 CNN을 Object Detection 분야에 최초 적용
→ 이전의 방법보다 30%가 넘는 성능향상을 보임
R-CNN의 단점을 보완하고자 SPP-Net이 등장
이전 SPP Net이 가지는 한계점들을 극복하고자 하는 시도에서 출발한 Fast R-CNN이 등장 (대폭 개선)
Real Time Object Detection의 포문을 연 논문인 Faster R-CNN이 등장
→ R-CNN Object Detection의 마지막
-> Faster_RCNN (작성예정)
YOLO
CenterNEt