object detection
-
[Object detection] YOLO9000:Better, Faster, Stronger 번역 및 정리 (YOLOv2)Paper review/Object Detection 2021. 11. 22. 15:39
@ 굵은 글씨는 중요한 내용, 빨간 글씨는 내가 추가한 내용 https://arxiv.org/pdf/1612.08242.pdf 주요 기여: YOLO를 보완하여 정확도와 속도를 높인 YOLOv2 제안 9000 카테고리를 구분할 수 있는 YOLO9000 제안 (기존 detection dataset인 coco는 80 class) 0. Abstract 기존 YOLO에 대한 다양한 개선을 제안한 YOLOv2는 속도 및 성능 측면에서 모두 SOTA를 달성한다 (67fps에서 76.8mAP, 40fps에서 78.6mAP). object detection 및 classification에서 jointly train 방법을 제안한다. COCO dataset과 ImageNet dataset을 동시에 학습한다. 이를 통해 l..
-
[Object detection] End-to-End Object Detection with Transformers 번역 및 정리 (DETR)Paper review/Object Detection 2021. 11. 3. 13:55
@ 굵은 글씨는 중요한 내용, 빨간 글씨는 내가 추가한 내용 https://arxiv.org/pdf/2005.12872.pdf 주요 기여: 기존의 object detectino에 비해 간단하고 좋은 성능 DETR 제안: 이분 매칭 손실 함수 + Transformer 적용 0. Abstract 본 논문은 Object detection을 set prediction 문제로 다룸으로써 NMS(non-maximum suppression)이나 anchor generation과 같은 사전 지식 요소를 제거하여 pipeline을 간소화한다. Set prediction은 수학에서의 집합의 의미와 비슷하다. Set은 중복되지 않고 순서에 상관없다는 특징을 활용하여 휴리스틱한 NMS나 anchor와 같은 사전 지식을 제거한..
-
[Object Detection] YOLO v1: You Only Look Once: Unified, Real-Time Object Detection 번역 및 정리 (1)Paper review/Object Detection 2021. 4. 27. 19:25
https://arxiv.org/abs/1506.02640 주요 기여: - 속도 측면에서 획기적으로 개선하여 Real time object detection이 가능하게 함 - 기존 2-stage task로 수행되던 R-CNN 계열 알고리즘에서 벗어나 처음으로 1-stage 네트워크 제안. 0. Abstract Object detection에 대한 새로운 접근법 YOLO를 제안한다. Object detection의 이전 방법에서는 classifier를 활용하여 detection을 수행한다. 본 논문은 bounding box와 class probability를 하나의 회귀 문제로 재정의해 두 task를 동시에 수행한다. 1-stage 네트워크로 개선됨에 따라 detection에 대한 end-to-end 최적..