컴퓨터비전12 Region Proposal(영역 추정) - Selective Search 기법 Region Proposal(영역 추정) 개념과 목적 앞서 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 과정 1. 원본 이미지를 최초 segmentation 진행(Over Segmentation) 2. 개별 segme.. 2024. 2. 14. Object Localization with Classification 원본 이미지에 Object이 한개 밖에 없을 때 object의 class와 boundary box의 좌표를 구하는 것을 Object Localization with Classification이라고 한다. 과정 Image Classification Bounding Box Regression 원본 이미지(ex. 224 x 224)(높이, 너비) Feature Extractor(VGG/Resnet 등) Feature Map(ex. 7 x 7 x 512)(높이, 너비, 채널 수) FC Layer(image classification 용) FC Layer(bounding box regression 용) Soft max Class Confidence score car : 0.8 cat : 0.1 학습 데이터 라벨 .. 2024. 2. 12. object detection 주요 구성 요소 및 어려운 이유 object detection 주요 구성 요소 1. 영역 추정 Region Proposal : object이 있을만한 위치 추정 2. Detection을 위한 Deep Learning 네트웍 구성 Feature Extraction + Classification (Backbone) : 다양한 스케일로 feature map 생성 & FPN(neck) : 다양한 스케일의 feature map 을 잘 융합하여 이후 Network Prediction 단계에서 각각의 feature map이 서로 상호보완하며 종합적으로 고려되어 성능을 높이는 역할을 한다 & Network Prediction(head) : classification(분류) 및 boundary box regression(박스 좌표 찾기) 수 3.Det.. 2024. 2. 11. Object Detection 개요 2001년 VJ Det 2004년 2006년 HOG Det 2008년 DPM----------------------------------여기까지 Traditional Detection Methods 2012년 AlexNet의 등장--------------------여기부터 Deep Learning based Detection Methods One-stage detector(바로 탐지) Two-stage detector(object이 있을만한 곳을 미리 찾아놓고, 그후 탐지) 장점 : 정확도 높음 단점 : 시간이 오래걸려 실시간 적용이 어려 2014년 RCNN SPPNet 2015년 YOLO(수행시간 짧지만 정확도 심하게 낮음) Fast RCNN Faster RCNN 2016년 SSD(single shot.. 2024. 2. 11. 이전 1 2 3 다음
