[대회 복습] Object Detection - 1 Stage Detector & 2 Stage Detector

💡 Object detection detectors (1 stage detector, 2 stage detector)

Overview

Backbone

• Feature extractors
• 다양한 level의 feature map 생성 (CNN architecture 중간 layers)

Neck

• Backbone과 head 사이를 이어주는 연결부
• Backbone의 서로 다른 stages에서 feature maps 추출

Head

• Bounding boxes의 classification & regression 검출 이루어지는 실질적인 부분
• Output: (x, y, h, w)과 k classes + 1(배경)의 확률

2-stage detector

1. Localization (후보 영역 찾기)
2. Classification 후보 영역에 대한 분류

• 1-stage object detector에 비해 비교적 느리지만 정확

1-stage detector

• Localization, Classification 이 동시에 진행
• 2-stage object detector에 비해 빠르지만 부정확하다
• 전체 이미지를 보기 때문에 객체에 대한 맥락적 이해가 높음
  • Background error 낮음

Summary

	1 stage detector	2 stage detector
	Localization, Classification 동시 진행	Region proposal 과정 있음
Speed	High	Low
Accuracy	Low	High
Models	R-CNN SPPNet Fast R-CNN Faster R-CNN	YOLO v1, v2, v3 SSD RetinaNet

참고

• https://www.secmem.org/blog/2021/06/20/Object_Detection/
• https://www.mdpi.com/2076-3417/8/9/1488/htm
• https://www.researchgate.net/figure/Schematic-plot-for-a-one-stage-detector-and-b-two-stage-detector_fig1_332612704
• https://hoya012.github.io/blog/yolov4/
• https://velog.io/@hewas1230/ObjectDetection-Architecture