인공지능/Computer Vision

Image Detection 기초

분류랑 Detection은 엄연히 다른 주제에 대해 접근하고 있기 때문에 사용하고 있는 성능지표도 다릅니다. 그렇기 때문에 추후에 Detection 알고리즘을 정리하기에 앞써 필요한 몇가지를 정리하고 가는게 좋을 것 같다는 생각이 들었습니다. 이 글은 라쟈링가파 샨무갸마니의 컴퓨터 비전과 딥러닝이라는 책의 4단원의 내용과 앤드류 응 교수님의 C4W3L01 강의를 재구성 한 것입니다. 1. Classification vs Localization vs Detection 이미지 분류는 어떤 특정 이미지에 어떠한 라벨을 붙이는 겁니다. 이에 반해 어떠한 객체의 위치를 찾아야 하는 것이 Localization과 Detection 입니다. 이 둘의 차이는 이미지 내에서 단일 객체의 위치를 찾는 것인지 혹은 여러 객..

R-CNN(Region with CNN features)

초기 Detection 알고리즘 계열에는 R-CNN계열과 YoLo 계열로 나뉩니다. 오늘은 그 중에서 R-CNN계열의 첫번째 모델인 R-CNN에 대해서 소개해보고자 합니다. 먼저 Detection 알고리즘의 계보 같은거를 보시면 좋을거 같습니다. 아마 이번 글 다음에는 Fast R-CNN과 Faster R-CNN을 리뷰하고 추후에는 요즘 핫한 DETR에 대해서 리뷰하려는 계획을 가지고 있지만 할 수 있을련지... 일단 시작해 보겠습니다. R-CNN(Regions with CNN features) R-CNN은 아래 논문에서 소개된 모델입니다. https://arxiv.org/pdf/1311.2524.pdf 현재 저 논문의 피인용수는 1만6천번을 넘긴 엄청난 논문입니다. 그만큼 비전을 한다면 한번쯤 다뤄볼 ..