Object Detection Overview

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