CV

Object Detection과 Segmentation Classfication 딥러닝에서 Classfication은 이미지 안의 주요 객체를 식별하고, 그 객체가 어떤 클래스에 속하는지를 결정하는 과정으로 전체 이미지가 하나의 레이블로 분류되는 작업이며, 주로 CNN(Convolutional Neural Network)과 같은 모델을 사용한다. 예를 들...

R-CNN(Region-based Convolution Neural Networks) > R-CNN은 2014년에 처음 소개된 Object Detection 모델로 Region을 input으로 CNN 모델을 사용한다. 이 모델은 기존의 Object Detection 방법들과 달리 딥러닝을 이용하여 객체의 위치를 정확히 찾아내고 분류한다. RCNN의 주요...

SSD(Sigle Shot MultiBox Detector > SSD는 효율성과 빠른 속도로 많은 주목을 받은 모델로 전통적인 Two Stage 접근 방식과 달리 SSD는 객체의 위치와 클래스를 One Stage로 동시에 예측한다. 이 글에서는 One Stage Detector, SSD의 개요, Multi Scale Feature Map의 활용, SSD ...

YOLO YOLO(You Only Look Once)는 실시간 Object detection을 가능하게 하는 빠른 detection 속도와 정확도로 여러 버전에 걸쳐 발전해왔다. 이 글에서는 YOLO의 세 가지 버전, 즉 YOLO v1 부터 v3까지의 각각의 특징을 비교하고 설명한다. YOLO v1, v2, v3 비교 |항목|v1|v2|v3| |---|-...

RetinaNet RetinaNet은 특히 어렵고 작은 Object를 Detect하는 문제에 대해 높은 정확도를 보이며 Focal Loss라는 새로운 loss 함수를 도입하여 이전 모델들의 한계를 극복했다. 다양한 크기의 객체에 대해 뛰어난 Detection 능력을 보여주며 One Stage Detector의 속도와 Two Stage Detector의 정...

Segmentation > Computer Vision에서 Segmentation은 이미지를 픽셀 수준에서 이해하는데 사용되는 기술이다. 이미지를 분석할 때 단순히 이미지가 무엇을 포함하는지 식별하는 것을 넘어서서 이미지 내의 각 객체의 적확한 위치와 형태를 파악하는 것이 중요하다. 이 과정에서 주로 Sementic Segmentation과 Instanc...