Notice
Recent Posts
Recent Comments
Link
| 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 | 29 | 30 | 31 |
Tags
- herbwood
- Region proposal Network
- Fast R-CNN
- Average Precision
- Bounding box regressor
- YOLO
- Linear SVM
- Map
- pytorch
- Object Detection metric
- Detection Transformer
- Non maximum suppression
- Anchor box
- fine tune AlexNet
- detr
- Multi-task loss
- multi task loss
- BiFPN
- RPN
- Hungarian algorithm
- Object Detection
- Darknet
- object queries
- mean Average Precision
- Faster R-CNN
- hard negative mining
- IOU
- R-CNN
- RoI pooling
- AP
Archives
- Today
- Total
목록YOLO v2 설명 (1)
약초의 숲으로 놀러오세요
YOLO v2 논문(YOLO9000:Better, Faster, Stronger) 리뷰
이번 포스팅에서는 YOLO v2 논문(YOLO9000:Better, Faster, Stronger)을 읽고 리뷰해도록 하겠습니다. 입력 이미지의 크기가 300x300인 SSD300 모델은 detection 속도가 빠르지만 정확도가 낮으며, SSD512 모델은 정확도는 높지만 detection 속도가 느리다는 단점이 있습니다. YOLO v2 모델은 다양한 아이디어를 도입하여 정확도와 속도 사이의 trade-off의 균형을 잘 맞춰 좋은 성능을 보였습니다. 논문은 다음과 같이 3개의 3개의 파트로 구성되어 있습니다. Better : 정확도를 올리기 위한 방법 Faster : detection 속도를 향상시키기 위한 방법 Stronger : 더 많은 범위의 class를 예측하기 위한 방법 각 파트별로 논문의 ..
Computer Vision/Object Detection
2021. 1. 15. 02:30