오늘은 아주 유우명한 객체 탐지(object detection) 분야의 논문을 읽어보겠습니다. 바로 YOLO입니다!

오늘도 Abstract부터 읽어보겠습니다.

Abstract

• 논문에서는 "한 개의 신경망이 한 평가에서 전체 이미지를 기반으로 bounding boxes를 예측 ➡️ 클래스 확률 예측"하는 YOLO를 제시.
• YOLO의 속도는 매우 빠름

Conclusion

• YOLO: object detecion을 위해 통합된 모델
• 장점:
  • 구성이 간단
  • 전체 이미지에 바로 훈련시킬 수 있음.
  • 행동을 감지에 상응하는 손실 함수에 바로 훈련시킬 수 있음
• Fast YOLO:
  • 문학 분야에서 범용 목적의 가장 빠른 객체 탐지 모델.
• YOLO:
  • 논문 나올 당시 실시간 객체 탐지에서 SOTA 달성
  • 새로운 도메인에 일반화 잘함.

Introduction

• current detection system:
  • classifier 사용
  • DPM 사용: DPM은 classifier가 전체 이미지에서 고르게 동작하는 sliding window 접근법 사용
  • R-CNN
• YOLO: "우리는 하나의 회귀 문제를 이용해 기존 모델과 달리 objects가 현재 존재하는 곳만 예상한다."
  

• YOLO의 장점
  1. YOLO는 매우 빠르다.
  - 심지어 실시간 영상에서도 처리할 수 있다.
  - 다른 실시간 영상 시스템보다 평균 정확도가 두 배 이상 높은 성과까지!
  2. YOLO는 이미지 전체를 전역적으로 예측한다.
  3. YOLO는 객체의 일반적인 특성을 학습한다.

  Unified Detection

  분리된 객체 탐지 요소를 하나의 신경망으로 통합시켰다!