약초의 숲으로 놀러오세요

이번 포스팅에서는 SSD 논문(SSD: Single Shot MultiBox Detector)을 읽고 정리해봤습니다. RCNN 계열의 2-stage detector는 region proposals와 같은 다양한 view를 모델에 제공하여 높은 정확도를 보여주고 있습니다. 하지만 region proposals를 추출하고 이를 처리하는 과정에서 많은 시간이 걸려 detection 속도가 느리다는 단점이 있습니다. 반면 YOLO v1은 원본 이미지 전체를 통합된 네트워크로 처리하기 때문에 detection 속도가 매우 빠릅니다. 반면 grid cell별로 2개의 bounding box만을 선택하여 상대적으로 적은 view를 모델에 제공하여 정확도가 떨어집니다. 이처럼 일반적으로 정확도와 detection 속도..

이번 포스팅에서는 Fast R-CNN 논문(Fast R-CNN)을 읽고 정리해봤습니다. 기존 R-CNN 모델은 학습 시간이 매우 오래 걸리며, detection 속도 역시, 이미지 한 장당 47초나 걸려 매우 느린 추론 속도를 보였습니다. 또한 3가지의 모델(AlexNet, linear SVM, Bounding box regressor)을 독립적으로 학습시켜, 연산을 공유하거나 가중치값을 update하는 것이 불가능하다는 문제도 있습니다. Fast R-CNN은 모델명에서부터 Fast가 붙는만큼 기존 R-CNN 모델보다 속도면에서의 큰 개선을 보인 모델입니다. Fast R-CNN 모델 Preview R-CNN 모델은 2000장의 region proposals를 CNN 모델에 입력시켜 각각에 대하여 독립적으..

이번 포스팅에서는 R-CNN 모델을 pytorch를 통해 구현한 코드를 살펴보도록 하겠습니다. 아직 코드 구현에 익숙치 않아 object-detection-algorithm님의 github 저장소에 올라온 R-CNN 모델 구현 코드를 분석했습니다. R-CNN 모델에 대한 설명은 R-CNN 논문 리뷰 포스팅을 참고하시기 바랍니다. 먼저 object-detection-algorithm(이하 oda)님은 PASCAL VOC 2007 데이터셋의 여러 class 중 "car"에 해당하는 데이터만을 추출하여 사용합니다. 전체 데이터셋을 다 사용할 경우 많은 시간이 걸리기 때문에 특정 class만 추출해서 사용하는 것 같습니다. R-CNN 모델은 fine tuned AlexNet, linear SVM, Boundin..