📌 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..

📌 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 ..

📌 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..

📌 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..

📌 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 ..

📌 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..