분류 전체보기18 IoU(Intersection over Union)의 이해와 구현 실습 IoU(Intersection over Union)의 목적과 개념 어느 인공지능 모델이든 성능을 평가하기 위한 지표가 필요하다. Object Detection 모델은 일반적인 분류 모델과는 다른 bounding box라는 아웃풋을 출력한다. 따라서 Object Detection 모델의 성능을 측정(목적)하기 위해 새로운 성능 측정 지표가 필요하고, 이것이 바로 IoU(Intersection over Union)이다. IoU는 모델이 예측한 결과(Predicted Bounding box)와 실제(Ground Truth Bounding box)가 얼마자 정확하게 겹치는가(개념)를 나타낸다. IoU의 계산은 다음과 같이 한다. IoU에 따른 Detection 성능 기준을 어떻게 설정하는지에 따라 달라질 수 있.. 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 4 5 다음
