Head vs breakz

Object detection은 물체를 찾는 것과 그 물체를 분류하는 문제 해결해야한다. two stage의 경우 Regional Proposal과 Classification이 순차적으로 이루지는 방법으로 one stage 보다 상대적으로 느리지만 좋은 성능을 보여준다. 하지만 연산량이 많다는 점은 계속 단점으로 남아있다. two stage 종류 R-CNN ResNet DenseNet VGGNet GoogLeNet one stage의 경우 Regional Proposal과 Classification이 동시에 이루지는 방법으로 two stage에 비해 빠른 속도를 보여준다. 하지만 정확도는 떨어진다. one stage 종류 YOLO Focal loss SSD

https://arxiv.org/abs/1708.02002 Focal Loss for Dense Object Detection The highest accuracy object detectors to date are based on a two-stage approach popularized by R-CNN, where a classifier is applied to a sparse set of candidate object locations. In contrast, one-stage detectors that are applied over a regular, dense sampl arxiv.org Abstract two stage detection은 높은 정확도를 보여주며, one stage detect..

You Only Look Once YOLO는 사람처럼 한번에 사물의 종류와 개수를 파악하기 위해 만들어졌다. 이미지를 격자 그리드로 나누어 클래스를 판단하고, 정보들을 통합하여 확률 값에 따라서 최종 객체를 구분하는 방법을 사용한다. 현재 YOLO3 까지 나와 있는 상태이고, YOLO1과 비교하였을 떄에는 network 구조와 성능에 큰 차이가 있다. (현재 YOLO4가 나왔습니다. :) 조만간 YOLO4를 살펴보겠습니다.) Unified Detection 1.input image를 S x S grid로 분할 (해당 셀에 물체의 중심위치로 가정) 2.grid cell은 B개의 bounding box와 각 객체 존재에 대한 confidence score로 구성 bounding box는 x,y,w,h,con..