CV - YOLO V1, V2, V3 (You Only Look Once)
2022. 5. 19. 19:29
🖼 Computer Vision/Object Detection
📌 이 글은 권철민님의 딥러닝 컴퓨터 비전 완벽 가이드 강의를 바탕으로 정리한 내용입니다. 목차 YOLO - V1 YOLO V1 개요 YOLO V1 Prediction YOLO V1 Loss Bounding Box (x, y) 좌표 loss Bounding Box 너비(w), 높이(h) loss Object Confidence loss Classification loss NMS로 최종 Bounding Box 예측 YOLO V1의 한계 YOLO - V2 YOLO V2 개요 YOLO V2 Architecture 1개의 그리드 Cell이 가지고 있는 정보 크기가 서로 다른 Anchor Box 5개 - Direct Location Prediction YOLO V2 Loss Passthrough module을 통..
CV - SSD (Single Shot Detector)
2022. 5. 17. 16:01
🖼 Computer Vision/Object Detection
📌 이 글은 권철민님의 딥러닝 컴퓨터 비전 완벽 가이드 강의를 바탕으로 정리한 내용입니다. 목차 SSD 개요 SSD(Single Shot Detector) 란? Multi-Scale Feature Layer Default Box(=Anchor Box) SSD Architecture Anchor Box를 활용한 Convolution Predictors for detection SSD의 마지막은 NMS SSD의 Loss function SSD 개요 그동안 우리가 배웠던 RCNN, SPP, Fast RCNN, Faster RCNN 모델은 Two-Stage Detector 모델이었다. 여기서 Two란, Region Proposal과 Object Detection 단계를 분리해 전개되는 모델들이다. 이번에 설명할..
CV - 60분 컷 Image Classifier 파이토치 튜토리얼
2022. 5. 13. 15:29
🖼 Computer Vision/Object Detection
Deep Learning with PyTorch: A 60 Minute Blitz — PyTorch Tutorials 1.11.0+cu102 documentation Shortcuts pytorch.org 목차 Tensors torch.autograd Neural Network (with PyTorch) 신경망 학습은 2단계로 이루어진다. nn(Neural Networks) General Training Process 손실 함수 (Loss Function) 역전파(Backprop) Optimizer : Gradient Descent 최적화 Classifier 학습하기 CIFAR10 Data Load CNN 정의하기 Loss function & Optimizer 정의하기 Training Neural Net..
CV - MMDetection
2022. 5. 4. 10:49
🖼 Computer Vision/Object Detection
📌 이 글은 권철민님의 딥러닝 컴퓨터 비전 완벽 가이드 강의를 바탕으로 정리한 내용입니다. 목차 MMDetection MMDetection Config MMDetection Model Architecture MMDetection Training Pipeline MMDetection Dataset MMDetection Custom Dataset Format 실습 MMDetection 설치 MS-COCO 데이터 기반으로 Faster RCNN Pretrained 모델을 활용하여 Inference 수행 Model의 Config 설정 확인하기 array를 inference_detector()에 입력할 경우에는 원본 array를 BGR 형태로 입력 필요(RGB 변환은 내부에서 수행하므로 BGR로 입력 필요) sho..
CV - Faster RCNN
2022. 4. 29. 23:34
🖼 Computer Vision/Object Detection
📌 이 글은 권철민님의 딥러닝 컴퓨터 비전 완벽 가이드 강의를 바탕으로 정리한 내용입니다. 목차 Faster RCNN 개요 Faster RCNN 구조 Region Proposal Network Anchor Box Anchor Targeting Prediction Loss function Faster RCNN 개요 Faster RCNN은 RPN(Region Proposal Network) + Fast RCNN이 합쳐진 네트워크이다. Faster RCNN의 논문에서 Region Proposal 방법을 GPU를 통한 학습으로 진행하면 확실히 성능이 증가할 것이라고 말한다. Region Proposal 단계도 딥러닝과 같은 네트워크 구조로 만들어 탐지 속도를 높이자는 목표를 설정했다. 따라서 Faster RCN..
CV - Fast RCNN
2022. 4. 28. 23:50
🖼 Computer Vision/Object Detection
📌 이 글은 권철민님의 딥러닝 컴퓨터 비전 완벽 가이드 강의를 바탕으로 정리한 내용입니다. 목차 SPPNet의 한계 Fast RCNN과 SPPNet의 차이 Fast RCNN ROI Pooling Softmax Fast RCNN의 구조 Fast RCNN의 Loss function Contribution SPPNet의 한계 SPPNet에 대해 요약해 보면, SPP-Net은 인풋 이미지를 바로 CNN에 넣고 특징을 추출해서 피쳐맵을 만든다. 그리고 그것을 Spatial Pyramid Pooling layer에 집어넣어서 Region단위 연산으로 RoI를 만들어낸다. 이 SPP layer는 CNN에서 올라온 Feature map을 분면으로 나누면서 Max pooling하고 그 결과를 하나의 벡터로 결합하므로써 ..
CV - SPPNet (Spatial Pyramid Pooling)
2022. 4. 28. 20:05
🖼 Computer Vision/Object Detection
📌 이 글은 권철민님의 딥러닝 컴퓨터 비전 완벽 가이드 강의를 바탕으로 정리한 내용입니다. 목차 RCNN 모델의 단점 SPP layer SPPNet 구조 SPP(Spatial Pyramid Pooling) SPM(Spatial Pyramid Matching) 요약 1. Selective Search로 인풋 이미지에 대해 많은 Region Proposal들을 추출 2. Region Proposal 들의 크기가 서로 다름 3. 고정된 사이즈의 벡터로 결합(Spatial Pyramid Pooling) 4. SPP = Bag of Visual Words + 분면 테크닉을 통한 Max Pooling 과정 RCNN 모델의 단점 각 Region Proposal 마다 Object Detection을 별개로 수행해주어야..
CV - RCNN (Region with CNN features)
2022. 4. 28. 19:41
🖼 Computer Vision/Object Detection
📌 이 글은 권철민님의 딥러닝 컴퓨터 비전 완벽 가이드 강의를 바탕으로 정리한 내용입니다. 목차 RCNN(Region with CNN features) Region Proposal 방식 적극 도입 Region Proposal 에서 예측이 된 Object를 CNN 모델에 적용 RCNN 과정 Stage 1. Region Proposal 단계 (Selective Search) : 2000개의 (Object가 있을만한)Region 영역 Proposal Stage 2. CNN Detection 단계 : 이미지가 Feature Extractor를 통과해 Object 클래스를 최종 분류하고 Bounding Box 회귀 문제를 수행하는 단계 RCNN의 문제점 RCNN(Region with CNN features) RC..
CV - Object Detection Architecture
2022. 4. 28. 17:29
🖼 Computer Vision/Object Detection
📌 이 글은 권철민님의 딥러닝 컴퓨터 비전 완벽 가이드 강의를 바탕으로 정리한 내용입니다. 목차 Feature Extractor Network Region Proposal Object Detection Network Object Detection Architecture Feature Extractor Network VGG, ResNet 등이 있음 보통 ImageNet Dataset 기반으로 pretrained 됨. Image Classification 에서 자주 쓰이는 CNN 모델 CNN 구조는 Feature Extractor와 Classifier로 구성됨 Feature Extractor : 최적의 Feature를 추출 Classifier : 최적의 Feature 추출을 위해서 최적의 weight 값을 ..
CV - OpenCV
2022. 4. 23. 02:25
🖼 Computer Vision/Object Detection
📌 이 글은 권철민님의 딥러닝 컴퓨터 비전 완벽 가이드 강의를 바탕으로 정리한 내용입니다. 목차 OpenCV OpenCV 이미지 로딩 BGR을 RGB로 변환하기 OpenCV 이미지 배열을 파일에 쓰기 OpenCV로 이미지 로드하기 반환된 BGR image Numpy array 시각화 하기 BGR에서 RGB로 변환하기 OpenCV 오픈소스 기반의 최고 인기 컴퓨터 비전 라이브러리 컴퓨터 비전 기능 일반화에 크게 기여 (어려운 기능도 API 몇 줄로 간단하게 구현) C++ 기반이나 Python도 지원 (JAVA, C# 등 다양한 언어 지원) OpenCV 이미지 로딩 imread('파일명')를 이용한 이미지 로딩 파일을 읽어 Numpy array로 변환 주의해야할 점 : 색감이 원본 이미지와 다르게 나타남 이..
CV - Object Detection 주요 데이터셋
2022. 4. 23. 02:10
🖼 Computer Vision/Object Detection
📌 이 글은 권철민님의 딥러닝 컴퓨터 비전 완벽 가이드 강의를 바탕으로 정리한 내용입니다. 목차 Object Detection 주요 데이터셋 Annotation 이란? PASCAL VOC Dataset Annotation 파일 예시 MS-COCO Dataset Object Detection 주요 데이터셋 1. PASCAL VOC XML Format 20개의 오브젝트 카테고리 2. MS COCO json Format 80개의 오브젝트 카테고리 : 여러가지 이미지 PASCAL의 평이한 오브젝트 문제 해결 3. Google Open Images csv Format 600개의 오브젝트 카테고리 많은 Detection과 Segmentation 딥러닝 패키지가 위 Dataset들을 기반으로 Pretrained 되어..
CV - OD 성능 평가 Metric - mAP
2022. 4. 23. 01:29
🖼 Computer Vision/Object Detection
📌 이 글은 권철민님의 딥러닝 컴퓨터 비전 완벽 가이드 강의를 바탕으로 정리한 내용입니다. 목차 mAP(mean Average Precision) Object Detection에서의 Precision과 Recall IOU 값에 따라 Detection 예측 성공 결정 Object Detection에서의 TP, FP, FN Confidence 임곗값에 따라 정밀도와 재현율의 값이 변화된다 mAP 계산하기 Object Detection 성능 평가 Metric - mAP AP는 precision과 recall을 그래프로 나타냈을 때의 면적이다. 각 class마다 하나의 AP를 갖게 되는데, 모든 class의 AP에 대해 평균값을 낸 것이 바로 mAP(mean AP)이다. 즉, 모든 class에 대하여 Preci..
CV - NMS(Non Max Suppression)
2022. 4. 23. 00:54
🖼 Computer Vision/Object Detection
📌 이 글은 권철민님의 딥러닝 컴퓨터 비전 완벽 가이드 강의를 바탕으로 정리한 내용입니다. 목차 NMS(Non Max Suppression) NMS 수행 로직 NMS(Non Max Suppression) Detected 된 Object의 Boundig Box 중, 비슷한 위치에 있는 box를 제거하고, 가장 적합한 box를 선택하는 기법 Object가 있을 만한 위치에 많은 Detection을 수행하는 경향이 강하다 있을 만한 위치를 놓치면 안 되기 때문에 가능성 있는 곳을 모두 추천 정확한 위치 특정보다는 있을 만한 곳 모두 제시 Q. 왜 여러개의 바운딩박스가 나오나요? A. Selective search 같은 경우 정확하게 Object가 있는 위치를 반환하는게 아니라 있을만한 곳을 반환한다. 왜냐하면..
CV - OD 성능평가 Metric - IoU (Intersection over Union)
2022. 4. 23. 00:02
🖼 Computer Vision/Object Detection
📌 이 글은 권철민님의 딥러닝 컴퓨터 비전 완벽 가이드 강의를 바탕으로 정리한 내용입니다. 목차 IoU (Intersection over Union) IoU에 따른 Detection 성능 IoU 구하기 실습 Object Detection 성능평가 Metric IoU (Intersection over Union) 모델이 예측한 결과와 실측(Ground Truth) Box가 얼마나 정확하게 겹치는가를 나타내는 지표 개별 Box가 서로 겹치는 영역 / 전체 Box의 합집합 영역 Area of Overlap(교집합) / Area of Union(합집합) IoU에 따른 Detection 성능 poor : 0.5 excellent : 상대적으로 높을 때(0.936) 그러나 IoU 기준을 어느정도에 잡느냐에 따라 다..
CV - Selective Search로 Region Proposal 해보기
2022. 4. 22. 23:44
🖼 Computer Vision/Object Detection
📌 이 글은 권철민님의 딥러닝 컴퓨터 비전 완벽 가이드 강의를 바탕으로 정리한 내용입니다. 목차 selectivesearch 설치 및 이미지 로드 반환된 Region Proposal 정보 보기 Bounding Box 시각화 selectivesearch 설치 및 이미지 로드 실습 환경: colab selective search 설치 !pip install selectivesearch 폴더 생성 및 이미지 로드 !mkdir /content/data !wget -O /content/data/audrey01.jpg Python 모듈 추가 및 Rich output 표현을 위한 코드 작성 import selectivesearch import cv2 import matplotlib.pyplot as plt impor..
CV - Object Detection의 이해
2022. 4. 18. 11:43
🖼 Computer Vision/Object Detection
📌 이 글은 권철민님의 딥러닝 컴퓨터 비전 완벽 가이드 강의를 바탕으로 정리한 내용입니다. 목차 Object Detection - Deep learning 기반으로 발전 Localization, Detection, Segmentation Object Detection Object Detection history Object Detection의 주요 구성 요소 Region Proposal (영역 추정) Detection을 위한 딥러닝 네트워크 : Feature Extraction(Backbone) & FPN(Neck) & Network Prediction(Head) 기타 요소 : IOU, NMS, mAP, Anchor Box 일반적인 Object Detection 모델 구조 Object Detection의..