Attention please

이번에 리뷰할 논문은 Spatial Pyramid Pooling in Deep ConvolutionalNetworks for Visual Recognition 입니다. https://paperswithcode.com/method/spatial-pyramid-pooling Papers with Code - Spatial Pyramid Pooling Explained Spatial Pyramid Pooling (SPP) is a pooling layer that removes the fixed-size constraint of the network, i.e. a CNN does not require a fixed-size input image. Specifically, we add an SPP layer o..

이번에 리뷰할 논문은 U-Net: Convolutional Networks for BiomedicalImage Segmentation 입니다. https://paperswithcode.com/paper/u-net-convolutional-networks-for-biomedical Papers with Code - U-Net: Convolutional Networks for Biomedical Image Segmentation 🏆 SOTA for Semantic Segmentation on Kvasir-Instrument (DSC metric) paperswithcode.com 2015년도에 나온 논문이며 Image segmentation 분야에서 아주 큰 영향을 준 논문이라고 해도 과원이 아닙니다. UN..

이번에 리뷰할 논문은 "Rich feature hierarchies for accurate object detection and semantic segmentation" 이다. R-CNN은 object detection 모델 중 2-stage detector의 시초가 되는 모델이다. R-CNN 모델은 Regions with CNN의 약자로 region proposals 와 CNN이 결합된 구조이다. 이전의 Object Detection 분야의 최고의 성능을 나타낸 기법은 mAP 수치가 30% 정도였지만 R-CNN은 이 수치를 훨씬 뛰어넘는 53.3%를 달성하였다. 2022.12.30 - [딥러닝/CNN] - AP(Average Precision) & mAP(mean Average Precision)의 개..

Object Detection? 지금까지 CNN 모델은 분류(classification) 문제에 적용되어왔다. 즉, 어떤 image가 들어오게 되면 해당 image가 무엇인지 분류하는 작업을 해왔다. 이 classification에 객체의 위치를 특정해주는 Localization 개념이 포함되면 그것을 Object Detection이라 부른다. ● Classification : 개, 고양이, 사자, 표범과 같이 특정 image가 어떤 객체인지 class를 분류하는 것을 의미한다. 보통 CNN 모델만을 사용하며 Object Detection과 Segmentation 모델의 backbone으로 사용된다. ● Classification + Localization : Localization은 1개의 object..

AP와 mAP는 CNN 모델의 성능을 평가하기 위한 평가지표이다. 하지만 AP와 mAP를 이해하기 위해서는 precision, recall에 대해 이해해야한다. Precision & Recall 정밀도(precision)과 재현율(recall)은 Computer vision 분야의 classification task에서 자주 사용하는 평가지표이다. T(True)는 예측과 실제 값이 동일한 경우를 의미하며, F(False)는 예측과 실제 값이 다른 경우이다. Object Detection의 경우 모델이 예측한 것과 실제 값을 비교하는 기준은 IoU로 한다. 위와 같이 모델이 예측한 box에 대해 IoU score가 나올 것이고 이때 IoU의 값이 0.5 이상이면 제대로 검출되었다고 인식하고(TP) IoU값..

NMS의 목적은 동일한 object를 가리키는 여러 box의 중복을 제거하는 것이다. NMS에는 IoU의 개념이 포함되어 있으니 IOU를 먼저 알아야한다. 2022.12.30 - [딥러닝/CNN] - IoU(Intersection over Union)의 개념 및 코드 구현 IoU(Intersection over Union)의 개념 및 코드 구현 IoU란? IoU란 Ground Truth와 모델이 예측한 값이 얼마나 겹쳐있는지 나타내는 Metric이다. 즉, IoU는 실제 box와 예측한 box의 교집합 / 합집합을 의미한다. 정답 영역과 예측 영역의 겹쳐진 부분이 크면 smcho1201.tistory.com NMS는 IoU의 값을 기준으로 중복되는 box를 제거한다. 그렇다면 어떤 순서로 진행되는지 살펴..