반응형 딥러닝 머신러닝 데이터 분석38 [Lv2 P-Stage] 2 stage Detectors R-CNN - 객체가 있을만한 후보위치(Region of Interest)를 기존의 알고리즘으로 예측 - 예측된 후보 위치를 crop 후 warpping - warpping 된 이미지를 분류 - sliding window 는 너무 많은 경우의 수 -> Selective search 를 이용해서 후보 추출 - 아래의 step으로 진행 1) 입력 이미지 받기 2) Selective search 적용 : 하나의 이미지에서 2000개의 RoI 추출 3) 동일한 size로 warpping : 분류기의 마지막에 fc레이어에서는 고정된 사이즈를 받아야함 4) warpping된 RoI를 CNN 에 넣어 feature 를 추출 5) 추출된 feature를 SVM에 넣어서 분류 진행 6) regression을 진행해서 b.. 2021. 10. 6. [Lv2 P-Stage] Object Detection Overview -Introduction classification은 한 이미지에 하나의 정답이 나오지만 Object detection은 하나의 이미지에 여러가지 정답이 있을 수 있어서 훨씬 어렵다. sementic segmentation은 객체의 영역이 어디인지 그리고 그 영역안에 있는 사물이 무엇인지 알아내지만 instance segmentation은 객체의 종류 뿐만 아니라 서로 다른 물체는 서로 다른 객체로 인지하는 task다. Object detection은 테슬라의 자율주행, 의료도메인 등등 실생활에서도 전반벅으로 사용되고 있다. - Evaluation 객체검출의 2가지 Evaluation : mAp(성능 지표), FLOP, FPS(계산 속도) mAP : mean average precision 각 클래스당 .. 2021. 9. 27. [CV] Further topics of segmentation 더 진보된 segmentation, Instance segmentation Mask R-CNN[he et al., ICCV 2017] - RoI Align을 제안함 - Faster R-CNN + Mask branch(새롭게 제안) - 원하는 class의 수 만큼 channel을 가지는 마스크를 한번에 추론 YOLACT[Bolya et al., ICCV 2019] - Protonet을 통한 프로토타입, 마스크를 만들 수 있는 후보군을 추론 - 적은 수의 프로토타입의 선형결합으로 여러가지 디텍션을 만들어 내는 효과적인 구조 YolactEdge - Feature pyramid에서 발생하는 이전 frame의 feature map을 이후 frame의 feature map으로 전달 더 진보된 segmentation.. 2021. 9. 19. [CV] Object detection Fundamental image recognition tasks[Kirillov et al., CVPR 2019] - Semantic segmentation [instance recognition : X | semantic recognition : O] - Instance segmentation [instance recognition : O | semantic recognition : X] - Panoptic segmentation [instance recognition : O | semantic recognition : O] Further topic - Object detection [classification + Box localization] - OCR Traditional method (hand .. 2021. 9. 12. [CV] Semantic segmentation Sementic segmentation - A classification peoblem for each pixel - Not about classifications of instances. Fully Convolutional Networks(FCN)[Long et al., CVPR 2015] - the first end-to-end architecture for semantic segmentation - Convolution networks without a flatten layer(input resolution free) - 1x1 convolution : the same operation with fc layer for each spatial point. - low resolution of featu.. 2021. 9. 9. [CV] Image Classification 2 1 Going deeper with convolutions - The deeper model is the better model because of larger receptive fields. - The deeper model is the better model because of larger infomation capacity and non-linearity. - Is it real? -> harder to optimize (gradient vanishing, exploding, degradation problem) 2.1 GoogLeNet[Szegedy et al., CVPR 2015] - deeper and wider convolution architecture. - channelwise compr.. 2021. 9. 8. 이전 1 2 3 4 5 6 7 다음 반응형
