5. Object Detection

지금까지의 기술은 영상을 인식하고 semantic segmentation까지 할 수 있었다.여기서 더 advance된 기법은 자동차들 중에 같은 종류의 자동차가 있는지와 같은 인스턴스 구분이 가능해진 Instance segmentation과 panoptic segmen

2022년 5월 12일
·
0개의 댓글
·

YoLo v4

Region proposal 단계가 없고, 전체 이미지에서 bounding box 예측과 classification을 동시에 예측한다.따라서, 이미지 또는 물체를 전체적으로 관찰하여 추론하는 것으로 맥락적 이해가 높은 모델이다.CNN의 정확도를 향상시키는 feature

2022년 5월 12일
·
0개의 댓글
·

Faster R-CNN

Sota를 달성한 object detection network들은 객체 위치를 예측하기 위해 region proposal 알고리즘에 의존한다. SPPnet과 Fast R-CNN 같은 발전으로 네트워크 실행시간을 단축시킬 수 있었지만, region proposal을 계산

2022년 5월 12일
·
0개의 댓글
·

Fast R-CNN

Fast R-CNN은 R-CNN의 한계점을 보완하고자 제안되었다. region of interest 마다 CNN 연산을 하기 때문에 속도가 느리다. → ROI pooling을 통해 해결multi-stage piplines이기 때문에 end-to-end로 학습하지 못한다

2022년 5월 12일
·
0개의 댓글
·

R-CNN

object detection의 성능은 지난 몇 년 동안 정체되었다. 지금까지 최고의 성능을 나타내는 방법은 여러 low-level의 이미지 특징을 high-level 특징과 결합하는 복잡한 앙상블 시스템이었다.논문에서는 이전 최고 결과와 비교하여 mAP를 30% 향상

2022년 5월 12일
·
0개의 댓글
·