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 |
- Hungarian algorithm
- RPN
- Region proposal Network
- Non maximum suppression
- Faster R-CNN
- RoI pooling
- YOLO
- Object Detection
- Multi-task loss
- Linear SVM
- BiFPN
- detr
- Average Precision
- herbwood
- IOU
- fine tune AlexNet
- Bounding box regressor
- AP
- hard negative mining
- multi task loss
- Fast R-CNN
- Darknet
- Anchor box
- Object Detection metric
- Map
- object queries
- R-CNN
- pytorch
- mean Average Precision
- Detection Transformer
- Today
- Total
목록Computer Vision/Object Detection (19)
약초의 숲으로 놀러오세요
이번 포스팅에서는 Overfeat(Integrated Recognition, Localization and Detectionusing Convolutional Networks) 논문을 읽고 정리해봤습니다. 이전에 읽었던 R-CNN 논문에서 Overfeat보다 R-CNN이 더 좋은 성능을 보였다는 언급이 있어, 굳이 Overfeat을 공부해야할까 고민했지만, 논문을 직접 읽고 생각이 달라졌습니다. 논문에서 다른 detection 모델과는 다른 구조나 학습 방법 등 새로운 시도가 있어 흥미로웠습니다. 실제로 이러한 접근 방법은 One-stage detector의 시초로서의 면모를 보이며, SSD, YOLO 등 후속 모델에 큰 영향을 주었다고 합니다. Overfeat을 공부하면서 cogneethi님의 블로그와..
이번 포스팅부터는 본격적으로 Object Detection 모델에 대해 살펴보도록 하겠습니다. 어떤 논문을, 어떤 순서에 따라 읽어야할지 고민하던 중, hoya님이 작성하신 2014~2019년도까지의 Object Detection 논문 추천 목록을 보게 되었습니다. hoya님의 개인적인 의견으로는 빨간색 글씨로 써진 모델의 논문은 "반드시" 읽어야하며, 나머지는 시간 있을 때 읽어보면 좋다고 말씀하셨습니다. 저는 빨간색 글씨로 써진 모델부터 차근차근 논문을 읽어볼 계획입니다😤. 이번 포스팅에서는 첫 번째로 R-CNN 논문(Rich feature hierarchies for accurate object detection and semantic segmentation)을 읽고 정리해봤습니다. R-CNN(Re..
최근 컴퓨터 비전 분야에서는 이미지를 분류하는 것을 넘어 이미지에 존재하는 사물을 검출하는 Object detection에 대한 연구가 활발히 진행되고 있습니다. Object detection은 자율 주행차, 얼굴 및 보행자 검출, 영상 복구, OCR, Vision Inspection 등 다양한 분야에서 활용되고 있습니다. 저도 Object detection에 관심을 가져 관련 논문을 읽어보고자 했으나, 이미지 분류와는 다른 문제 정의, 모델 구조, 그리고 평가 방식의 차이를 이해하지 못해 좌절했습니다😂 그래서 관련 논문을 본격적으로 살펴보기에 앞서 Object detection의 정의와 평가 방법에 대해 공부한 내용을 정리해보았습니다. Object Detection의 정의 - Image Classifi..