딥러닝 / 사물 검출

4  사물검출(object detection) - p.278

사물 검출이란 다수의 사물이 존재하는 상황에서 사물의 위치와 클래스를 찾는 작업

 

 

위의 그림에서 후보영역을 찾아내는 기술이 누군가에 의해서 만들어졌고 우리는 그 원리를 이해하고 텐서플로우로 편하게 신경망을 만들듯이 가져다 쓰기만 하면 됨. <- 프레임워크 가져다 씀.

 

1. region proposal : 사진에서 물체가 있을 법한 위치를 찾는 작업.

이미지에서 다양한 형태의 윈도우(window)를 슬라이딩해서 물체가 존재하는지 확인하는 작업을 말함.

 

2. selective search : 인접한 영역끼리 유사성을 측정해 큰 영역으로 차례대로 통합해 나가는 작업

 

 

3. IOU(Intersection over union) : 바운딩한 사물이 특정 사물이 맞다라는 평가지표

두 바운딩 박스가 겹치는 비율

사물이 없는 바운딩을 제거하고 사물이 있는 바운딩만 남기기 위한 평가 지표

 

4. NMS(Non Maximum Suppression) : 여러개의 bounding box가 겹쳐있는 경우에 하나로 합치는 방법

 

 

5. R-CNN : Regions with CNN features

CNN을 거쳐 flatten된 후 서포트 벡터머신(클래스 예측)과 회귀(위치 예측)를 통해 분류

 

 

 

오브젝트_디텍션_사진_수정.ipynb

0.05MB

 

문제209. 인터넷에서 사물검출하고 싶은 사진을 다운로드 받고 코랩에 올려서 object detection 하시오.