Task
1) Classification
- 한개의 이미지에 한개의 카테고리가 설정됨
2) Objectdetection
- 한개의 이미지에 정해져있지 않은 수의 카테고리가 설정됨
3) Semantic Segmentation
- px별로 classification을 진행하는데 같은 클래스의 경우에는 구분하지 않는다
4) Instance Segementation
- Semantic Segmentation에 Object detection이 추가됨, 같은 클래스여도 구분함
RealWorld
ex_ 자율주행, OCR, Wheat구분, X-ray에서 질병 검사, CCTV 사람검출
평가방법
1) 성능
1-1 Map(Mean Average Precision)
- 각 클래스에대한 AP의 평균
MAP를 이해하기위해 알아야할 개념
- Confusion matrix
- Precision
- Recall
Example
- PR Curve
confidience score로 내림차순을 한다
- AP
PR Curve에서 선을긋고 아랫 면적을 구한다. (AP)
- mAP(Mean Average Precision)
- IOU(Intersection Over Union)
IOU 40, IOU 50, IOU 70 등의 기준이 있다
2) 속도
2-1 FPS (Frames per Second)
- 초당 처리할 수 있는 프레임 수
2-2 Flops (Floating point Operations)
- 연산량 횟수 (곱하기, 더하기, 빼기 등)
- Conv의 Flops계산
덧셈은 생략하는 편임
MMDetection
- pytorch 기반의 object detection 오픈소스
- 많은 paper들이 MMDetection기반으로 연구하고있다.
Detectron2
- AI 리서치 라이브러리로 pytorch기반의 Object detection과 segmentation의 알고리즘을 제공
YOLOv5
- Object Detection으로 여러 플랫폼(Docker, AWS등)에서 오픈소스로 제공
EfficientDet
- Google Research & Brain에서 함께 연구한 모델로 EfficientNet을 응용해 만든 ObjectDetection 모델
- tensorflow와 pytorch로 사용가능
'부스트캠프 AI Tech 2기 > 2기 CV P-Stage-Objectdetection' 카테고리의 다른 글
EfficientDet (0) | 2021.10.02 |
---|---|
1 stage Detectors (0) | 2021.10.01 |
Neck (0) | 2021.09.30 |
MMDetection & Detectron2 (0) | 2021.09.29 |
2-Stage Detectors (0) | 2021.09.28 |