1-Stage Detector

• Region Proposals없이, Feature Extractor만을 이용한 Object Detection 수행
• Feature Extractor: 입력 이미지를 특성으로 변환, 해당 특성을 이용하여 추후 Classification 및 Bounding Box를 예측하는 작업 수행

YOLO : You Only Look Once

• CVPR 2016에 출판된 논문으로, 1-stage Detector 분야의 초기 모델
• Single Shot Architecture: YOLO는 객체 감지를 위한 단일 신경망 아키텍처를 사용
• 이미지를 그리드로 나누고, 그리드 셀 별로 Bounding Box와 해당 객체의 클래스 확률 예측

Grid Image

• 이미지를 SxS grid 이미지로 분할
• 객체의 중심 좌표가 특정 셀 안에 있으면 그 셀의 예측 박스 해당 객체를 검출해야함
• 각 셀은 Bounding Box와 Confidence, Class Probability Map을 예측하는데 사용

Backbone

• 학습 데이터의 이미지가 YOLO 모델로 입력
• Backbone은 CNN으로 구성
• 백본을 통과한 이미지에서 Feature Map 생성

Bounding Box + Confidence

• 각 셀마다 Bounding Box를 예측
• 각 셀은 여러 Bounding Box를 나타낼 수 있음
• 이후, Bounding Box의 Confidence를 예측
• Representation

Class Probability Map

• 각 셀마다 Class의 조건부확률을 예측

Output

• 예측한 Bbox, Confidence, Class Probability로, Object Detection 결과 산출
• 낮은 Confidence의 Bbox를 지움
• 각 클래스마다 Non-Maximum Suppression을 진행
• 하나의 Bbox는 하나의 물체를 나타내게 함