KUBIG 2023-2 활동 블로그

Abstract Single deep neural network를 이용하여 object detection을 하는 새로운 방법 ground truth bbox의 각 피쳐맵 상의 위치를 표현하기 위해 다양한 종횡비와 scale을 가진 set인 default box를 사용한다. 예측시에는 각 default box에 대해 각 카테고리의 object가 있는지 없는지를 점수로 나타내고, object의 모양에 더 잘 맞아떨어지도록 조정한다. 다양한 해상도를 가진 여러 feature map에서의 예측을 통해 다양한 사이즈의 물체들을 다룰 수 있도록 한다. region proposal이 필요하던 다른 방법들과는 다르게 간단하다. 기존의 모델(Faster R-CNN, YOLO)에 비해 훨씬 빠르고 정확하다. Introdu..

2023 Summer Session/CV Team 2 2023. 7. 19. 02:55

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

[1] 1-Stage Detector 전체 이미지에서 class probabilites 및 bounding box offset을 직접 예측하는 구조이기 때문에, 2-stage 처럼 region proposal+feature resampling 단계를 진행하지 않아 실시간 detect가 가능하다는 장점이 있다. 하지만 특정 object 하나만을 포함하고 있는 RoI(관심영역)에서 classification과 localization을 수행하는 2-stage 보다 정확도가 떨어질 수 밖에 없다는 한계를 동시에 지니고 있다. [2] Knowledge 2.1 IoU 물체가 있을 확률은 IoU(intersection over union)을 통해 계산된다. 물체의 절대적인 면적과 상관없이, 영역을 정확하게 잘 찾아내..

2023 Summer Session/CV Team 2 2023. 7. 17. 20:00