KUBIG 2023-2 활동 블로그

작성자 : 17기 문성빈 1. Introduction YOLO는 input image를 CNN으로 받아서 bbox와 그 class를 예측하는 object detection의 1-stage detector이다. 이 과정 이후 NMS(Non-max suppression)을 진행한 후 최종 bounding box를 예측한다. 1-stage Detector로, end-to-end training으로 진행된다. 그 과정은 위와 같이 진행된다. 2. Unified Detection S x S grid로 input image를 분할 후, object의 중심이 grid cell과 일치하면 object를 detect했다고 판단한다. 각 grid cell에서 bbox와 그들의 confidence score를 구하고, C개..

2023 Summer Session/CV Team 1 2023. 7. 19. 03:37

0. Background 용어정리 classification : 단순 이미지 분류 classification with localization : 이미지 내 object 위치를 알아내기 detection : localization을 통해 이미지에서 하나의 object가 아닌 여러 object를 인식하는 것 1-stage Detector vs 2-stage Detector 2-stage Detector : Localization과 Classification 두 가지를 순차적으로 수행하는 Detector이다. 이 과정을 통해 정확도는 올라가지만 시간이 오래 걸린다. 1-stage Detector : classification과 localization문제를 동시에 해결하는 방법이다. You Only Look O..

2023 Summer Session/CV Team 1 2023. 7. 18. 02:47

작성자: 17기 김희준 1. Introduction Introduction에선 object detection의 선두 주자 격인 R-CNN 계열 모델의 변천사를 가볍게 짚고 넘어간다. R-CNN, Fast R-CNN, Faster R-CNN으로 이어진다. 이 세 가지 모델은 “object를 담고 있는 영역을 어떻게 효율적으로 포착할 수 있을까?(region proposal)”에 대한 답을 해결하기 위해 점차 발전되어왔다. 가장 먼저 region-based convolutional neural networks(R-CNN)이다. 이 모델이 object를 contain하는 영역을 파악하기 위한 알고리즘은 Selective Search이다. Selective Search는 CPU 환경에서 진행되는 과정으로, 이미..

2023 Summer Session/CV Team 1 2023. 7. 17. 20:49