# selective-search
[Object Detection] Architecture - 1 or 2 stage detector 차이
Object detection 아키텍처에는 1-stage detector과 2-stage detector가 있습니다. 본 글에서는 두 아키텍처 모델의 차이점에 대해 알아보려고 합니다. [출처: Zou et al. 2019. Object Detection in 20 Years: A Survey] 1-stage 방식에는 대표적으로 YOLO 시리즈와 Retina-Net, SSD, EfficientDet 등이 있으며, 2-stage 방식에는 RCNN 시리즈와 SPPNet 등이 있습니다. 2-Stage Detector 먼저 2-stage detector 입니다. 
[딥러닝] Object Detection( 객체 인식 ) - selective search 실습
모든 이미지의 출처는 인프런 : 컴퓨터 비전 완벽 가이드 에 있으며, 공부 기록용으로 블로그를 작성하는 것입니다. Object Detection의 어려움 ! object detection은 두 개 이상의 Object를 검출해야 하므로 기존의 Object localization과 다르게 굉장히 어렵습니다. 이를 해결하기 위해 처음으로 나온 방식은 Sliding Window 방식입니다. Sliding Window 방식 Window를 왼쪽 상단부터 오른쪽 하단까지 연속적으로 이동시키면서 Object를 찾는 방식입니다. 방법 1: 다양한 크기의 Window를 슬라이딩하는 방식 방법 2: Window
Selective Search for Object Recognition
image structure를 사용 object의 모든 가능성 있는 위치를 찾는 것이 목표 가능성 있는 object locations를 생성시키는 single technique 대신 가능한 많은 이미지 컨디션을 다루기 위해 많은 전체 이미지 partitioning을 사용함 이 논문의 목적은 segmentation의 최고의 직관력(intuition)과 exhaustive search(완전 탐색)을 통합하여, data-driven selective search입니다. bottom-up segmentation에 영감을 받아서, object location을 생성시키는 이미지의 구조를 최대한 잘 활용하려고 합니다. 그래서, single smapling technique를 사용하는 대신, 가능하면 많은 이미지 조건에서 설명하고자, sampling techniques을 다양화하는 것이 목적입니다. Selective Search는 object recognition을 목적으로 합니
.jpeg)
Basic Object-Detection
Intro Inflearn의 딥러닝 컴퓨터 비전 완벽 가이드를 수강하며 공부 목적으로 정리한 글입니다. Computer Vision Techniques Classification(분류) : 이미지에 있는 object가 무엇인지만 판별, 위치 고려 x Localization(발견) : object 판별 및 단 하나의 object 위치를 bounding box
.png)
[Paper Review] R-CNN(Regions with CNN features)
Intro 오늘은 초기 Object Detection 발전에 가장 많은 영향을 미친 논문인 Ross Girshick의 Rich feature hierarchies for accurate object detection and semantic segmentation 즉, R-CNN에 대한 논문 리뷰를 간단히 하고자 한다. 우선 Obejct Detection이란 이미지가 무엇인지 판단하는 Classification과 이미지 내의 물체의 위치 정보를 찾는 Localization을 수행하는 것을 말한다. 이를 통해 영상 내의 객체가 사람인지 동물인지 물건인지 등을 구별하여 각 객체가 어디에 위치하는지 표시하는 것이 가능하다. Abstract 지난 몇 년 동안 PASCAL VOC 데이터셋에서 Object Detection의 가장 좋은 성능을 내는 것은 high-level context의 복잡한