Object Detection

You Only Look Once: Unified, Real-Time Object Detection (2016) 1. Introduction 앞서 리뷰한 2 stage detection 모델들에 이어서 object detection 분야에서 획기적이었던 YOLO 모델의 첫 번째 페이퍼를 리뷰해보려고 합니다. 먼저 논문의 Abstract를 살펴봅시다. A single neural network predicts bounding boxes and class probabilities directly from full images in one evaluation. Since the whole detection pipeline is a single network, it can be optimized end-to-e..

1.Introduction object detection의 stage는 크게 region proposal과 classification을 차례로 수행하는 2-stage detector과 동시에 이루어지는 1-stage detector로 나눌 수 있습니다. R-CNN 계열의 localization과 classification을 따로 하고 어느정도 정확도를 보장하지만 연산량이 많고 시간(fps)이 오래걸려 실시간으로 쓰기에는 무리가 있습니다. 논문이름이 Towards real-time detection이라니 재밌네요. 지난번 R-CNN에 이어서 간략하게 Fast R-CNN에 대해 알아보고 오늘 주제인 Faster R-CNN 에 대해 알아보겠습니다. 2. Fast R-CNN 기존의 R-CNN에서는 selecti..

Introduction 기존에 요약정리했었던 내용이라 업로드 하려고 보니 조금 짧네요 R-CNN 시리즈의 첫번째 논문이자 현재 인용수가 17,000번이 넘은 논문이다. Two stage object detection 이며 전체 task는 크게 region proposal과 region classification으로 이루어진다. abstract에서는 "we combined region proposals with CNNs" , 그러므로 R-CNN 이라고 한다. Region Proposal Input image에서 selective search 알고리즘을 이용해 2000여개의 물체가 존재할 만한 곳을 탐색을 한다. selective search는 segmentation에서 주로 사용되며 유사한 픽셀값을 그룹핑..