2023.12.27 방학 TIL
이번주는 데브코스 방학이다!! 난 사실 저번주 수요일부터 쉬어서 방학 때 밀린 강의를 듣고 필요한 공부를 하려고 한다. 어제부터 다시 공부를 시작하였지만 어제는 많이 못해서 오늘부터 TIL 작성을 다시 시작한다!! 며칠 공부를 안했더니 집중력이 다시 떨어졌다... 며칠 안했다고 이렇게 떨어지다니... 다시 열심히 해야겠다...!
이제 object detection에 대해 배우기 시작했다. 이전에 공부했던 내용들이라서 한번 정리한다는 느낌으로 들었다. 물론 중간중간 놓쳤던 부분들에 대해서는 자세히 공부를 하려고 한다.
📝 배운 내용
One-stage Object Detection
- 속도가 빠르지만 정확도는 two-stage보다 낮을 수 있다
YOLO
- YOLO는 내일 제대로 정리해야겠다
- classifier를 사용하지 않고 regression 방식으로 bbox와 class를 예측
- v1, v2, v3 등 여러 모델이 있다
- 다른 모델들과 다르게 YOLO는 전체 이미지를 본다
Two-stage Object Detection
- object의 위치 후보를 찾고 그 후에 objec를 검출한다
- 연산량은 많지만 정확도가 높다
- RCNN 모델이 있다
object 검출 method
grid
- 이미지를 grid로 나눈 후 각 grid cell에서 object를 검출한다
- 예측한 box가 담고 있는 정보
- box coordinate : x, y, w, h 또는 min_x, min_y, max_x, max_y
- objectness score : 해당 grid에 object 존재 여부
- class score : class 마다의 확률값 -> class 수 만큼 존재
anchor
- bbox shape을 미리 지정해놓은 것
- object를 찾을 때 anchor 이용
IOU
- GT bbox와 예측한 bbox를 비교하는 방법
- threshold를 지정해놓고 bbox 예측을 잘 했는지 판단
NMS
- object를 예측한 여러 bbox들 중에 가장 잘 예측한 bbox 하나만 남기고 제거
Evaluation Metric
- 성능 판단 기준
- precision (정밀도)
- 예측한 bbox 중에 정답으로 예측한 bbox의 비율
- recall (재현율)
- 전체 GT 중에 검출한 bbox의 비율
- F1 score
- precision과 recall의 조화 평균
- PR curve
- precision-recall 곡선
- precision이 1에 가까운 곡선이 좋다
- mAP
- PR curve의 면적
