R-CNN 계열 모델 정리

R-CNN이란

R-CNN에 들어가기 앞서 기존에 널리 알려진 GoogleNet, AlexNet 등은 이미지를 분류하기 위해서 만들어진 CNN 모델이라면 R-CNN계열의 모델과 많이 사용되는 Yolo 모델은 물체 검출을 위해서 사용되는 CNN 모델이다.

아래의 예시그림을 통해 R-CNN에서 물체를 검증한 결과를 확인할 수 있다.

R-CNN계열의 모델로는 4가지 종류가 있다.

1. R-CNN
2. Fast R-CNN
3. Faster R-CNN
4. Mask R-CNN

1번에서 4번으로 갈수록 예측력은 비슷하지만, 훈련과 테스트에서 점차 속도가 빨라졌으며, 기존의 1~3번 모델이 객체 검출만 했다면 4번(Mask R-CNN)은 객체 검출과 더불어 instance segmentation을 적용할 수 있게 되었다.(이를 활용하여 책장 분석도 진행하였다.)

논문을 통해 R-CNN이 발전해온 과정과 특징을 아래의 링크에 정리해 두었다.

1. R-CNN 논문 및 정리 : https://velog.io/@suminwooo/R-CNN-%EB%85%BC%EB%AC%B8-%EB%B0%8F-%EC%A0%95%EB%A6%AC
2. Fast R-CNN 논문 및 정리 : https://velog.io/@suminwooo/Fast-R-CNN-%EB%85%BC%EB%AC%B8-%EB%B0%8F-%EC%A0%95%EB%A6%AC
3. Faster R-CNN 논문 및 정리 : https://velog.io/@suminwooo/Faster-R-CNN-%EB%85%BC%EB%AC%B8-%EB%B0%8F-%EC%A0%95%EB%A6%AC
4. Mask R-CNN 논문 및 정리 : https://velog.io/@suminwooo/Mask-RCNN-%EB%85%BC%EB%AC%B8-%EB%B6%84%EC%84%9D
   +추가 : Yolo 논문 및 정리 : https://velog.io/@suminwooo/Yolo-%EB%85%BC%EB%AC%B8-%EB%B0%8F-%EC%A0%95%EB%A6%AC

참고 링크 :
1. https://bskyvision.com/694
2. https://m.blog.naver.com/handuelly/221840396866