Attention please

이번에 리뷰할 논문은 You Only Look Once: Unified, Real-Time Object Detection 입니다. https://paperswithcode.com/paper/you-only-look-once-unified-real-time-object Papers with Code - You Only Look Once: Unified, Real-Time Object Detection 🏆 SOTA for Real-Time Object Detection on PASCAL VOC 2007 (FPS metric) paperswithcode.com object detection은 image 내에 object의 위치를 예측함과 동시에 해당 object의 class를 분류해야하는 task입니다. 이미..

이번에 리뷰할 논문은 A Method for Detection of Small Moving Objects in UAV Videos 입니다. https://paperswithcode.com/paper/a-method-for-detection-of-small-moving Papers with Code - A Method for Detection of Small Moving Objects in UAV Videos 🏆 SOTA for Small Object Detection on Bee4Exp Honeybee Detection (Average F1 metric) paperswithcode.com Object detection의 경우 많은 발전들이 있었습니다. R-CNN, YOLO와 같은 CNN 기반 object..

이번에 리뷰할 논문은 "You Only Look Once: Unified, Real-Time Object Detection" 이다. One-stage vs Two-stage Object Detection 모델은 크게 one-stage model 과 two-stage model 로 구분된다. two-stage model 은 대표적으로 R-CNN 기반 모델들을 예로 들 수 있다. 즉, Localization과 Classification을 각각 순차적으로 수행하는 모델을 의미한다. 이는 정확도를 올리는 것에는 유리하지만 시간이 오래걸린다는 단점이 있다. R-CNN에 대한 자세한 설명은 아래 링크에서 자세히 다루고 있다. 2022.12.30 - [논문 리뷰/object detection] - [논문 리뷰] R-..

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..