| 일 | 월 | 화 | 수 | 목 | 금 | 토 |
|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | |||
| 5 | 6 | 7 | 8 | 9 | 10 | 11 |
| 12 | 13 | 14 | 15 | 16 | 17 | 18 |
| 19 | 20 | 21 | 22 | 23 | 24 | 25 |
| 26 | 27 | 28 | 29 | 30 | 31 |
- Convolution
- 논문리뷰
- 논문 리뷰
- Semantic Segmentation
- opencv
- Paper Review
- optimizer
- cnn
- pytorch
- Self-supervised
- 파이썬
- Segmentation
- programmers
- 코딩테스트
- transformer
- 코드구현
- 파이토치
- Ai
- 논문
- object detection
- 딥러닝
- Python
- ViT
- Computer Vision
- 옵티마이저
- 머신러닝
- 알고리즘
- 인공지능
- 프로그래머스
- 논문구현
- Today
- Total
목록object detection (8)
Attention please
NMS(Non-maximum Suppression) 원리
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..
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 클수록 IoU값은 커진다. 물론 값이 크면 클수록 잘 예측했다고 판단한다. IoU의 최대값은 1이며, 최소값은 0이다. IoU는 굉장히 엄격한 metric이기에 사람 눈으로 봤을 때는 object가 잘 검출된다고 느껴질지는 몰라도 IoU 값은 현저히 떨어질 수 있다. 고작 1/9 정도의 오차이기에 사람의 입장에서는 좋게 보여지지만 실제로 IoU값은 0.65 정도로 높지 않다. 그만큼 IoU Metric은 엄격한 평가지표임을 알 수 있다. 계산 방법 x : 각 영역 중심의 x좌표 ..