분류 전체보기18 NMS(Non Max Supression)의 이해 개요Object Detection 알고리즘은 Region Proposal 단계에서 "object이 있는 정확한 위치"가 아닌 "object가 있을만한 위치"를 찾기 때문에 한 object에 대해서 여러 개의 바운딩 박스가 생성되는 경우가 많다.따라서 1개의 object에 대해서 해당 object의 경계를 정확하게 표시하는 1개의 바운딩 박스만을 남기는 작업이 필요한데, 이를 수행하는 것이 NMS(None Max Supression)이다. NMS수행 로직1. Detected 된 bounding box별로 특정 Confidence threshold 이하 bounding box는 먼저 제거(confidence score 2. 가장 높은 confidence score를 가진 box 순으로 내림차순 정렬하고 아래.. 2025. 2. 24. Region Proposal(영역 추정) - Selective Search 기법 Region Proposal(영역 추정) 개념과 목적앞서 살펴본 Sliding Window 기법은 모든 영역에 대해서 classification&bbox regression 을 실행하기 때문에 계산량이 많다는 문제가 발생한다. 이를 해결(목적)하기 위해 "전체 이미지에서 Object가 있을 만한 후보 영역"을 찾은 후, 이 구역에 대해서만 classification&bbox regression 을 실행하는 방식(개념)이 Region Proposal(영역 추정) 이다. 이러한 Region Proposal의 대표 방법 중 하나가 Selective Search이다. Selective Search 과정1. 원본 이미지를 최초 segmentation 진행(Over Segmentation)2. 개별 segmen.. 2025. 2. 24. bifpn, regnet, cnn 층을 활용하여 이미지 분류하기 프로그램 시작 이유테슬라 AI Day 자료를 보던 중 테슬라는 Backbone으로 regnet을, Neck으로 BiFPN을 사용하여 객체인지를 하고 있음을 알게 되었다. 현재 자율주행 자동차 회사에서 실제 사용하는 모델이라는 사실이 흥미로웠고, 자세한 구조나 구현방식에 대한 정보는 없어서 직접 regnet과 BiFPN을 이용한 이미지 분류 모델을 만드는 프로젝트를 시작하게 되었다. (원래는 데이콘 데이터를 활용한 객체 탐지를 목표하였으나 ram용량으로 인한 에러가 발생하여 cifar10 dataset을 이용한 이미지 분류로 목표를 수정하였다.) 프로젝트 계획1. regnet과 BiFPN에 대한 배경지식이 없기에 이들의 탄생 목적과 작동 과정을 학습한다.2. 학습한 개념을 바탕으로 regnet과 BiFPN.. 2025. 2. 24. Object Detection 네트워크 개괄 Reference ●https://www.inflearn.com/course/딥러닝-컴퓨터비전-완벽가이드/dashboard 2024. 3. 1. 이전 1 2 3 4 5 다음
