부스트캠프 AI Tech 2기/2기 CV P-Stage-Objectdetection

부스트캠프 AI Tech 2기/2기 CV P-Stage-Objectdetection

2-Stage Detectors

1 접근전략 1-1 Background 객체가 있을법한 위치를 특정짓고 객체가 어떤 객체인지를 예측하는 두가지 단계를 진행하는 2Stage Detectors를 배워보자 2 R-CNN 2-1 Overview 후보영역을 추출하는 방법 1) sliding window - sliding window방식은 무수히 많은 영역이 추출되고 거의 다 배경으로써 의미가 없는 영역이기때문에 RCNN에서는 사용되지 않음 2) selective Search - 이미지에 존재하는 특성(shape)들을 추출해서 영역을 만들고 무수히 많이 만들어진 영역들을 통합하면서 줄여나간다 2-2 Pipeline 1) 입력이미지 받기 2) Selective Search를 통해 2000개의 ROI(Regions of Interest)를 추출 3)..

부스트캠프 AI Tech 2기/2기 CV P-Stage-Objectdetection

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 알아야..

모플로
'부스트캠프 AI Tech 2기/2기 CV P-Stage-Objectdetection' 카테고리의 글 목록 (2 Page)