반응형 YOLO version(1~6)별 정리 YOLO v1(2016.05) Anchor Box를 사용하지 않음 Anchor Box - object detecion 을 위해 크기, 비율 미리 정해놓은 Bbox Cell 단위로 Bounding Box Regressor 과정을 통해 Box를 찾음 Localization Error로 인해 성능이 낮다 각 Grid Cell에 대해 2개의 Bounding Box를 찾음 Classification은 한 개에 대해서만 수행 따라서 겹치는 Object는 Detection하기 어려움 작은 물체에 대해서는 성능이 나쁨 YOLO v2(2017.12) YOLO v2는 Classification 문제에 비해 Object Detection 문제는 예측 가능한 Class의 개수가 매우 적음을 지적 이를 해결하기 위한 방법을 제.. 2023. 3. 16. [논문 리뷰] InternImage : Exploring Large-Scale Vision Foundation Models with Deformable Convolutions(2022) [논문 리뷰] 최근 대세인 VIT가 아닌 CNN을 활용한 연구로서, object detection, segmentation 부분 SOTA를 달성하였다. Abstract 최근 몇 년간 large-scale vit의 비약적 성장이 이루어짐 CNN기반 large-scale 모델은 여전히 초기상태에 머무름 InternImage라 부르는 새로운 방법 제안(기존 모델들과의 차이점) ViT처럼 매개변수 및 훈련 데이터 증가 최근 CNN의 초점 large dense kernels와 다름 변형 가능한 컨볼루션을 핵심 연산자로 사용 detection, segmentation과 같은 다운스트림 작업에 필요한 큰 effective receptive field를 가짐 input 및 task information에 따라 조정되는 adaptiv.. 2023. 3. 13. [논문 리뷰] Deep Learning-Based Object Detection and Scene Perceptionunder Bad Weather Conditions 리뷰 abstract YOLO v5 모델을 활용 다양한 날씨 상황에서 자동차, 신호등, 보행자를 식별하여 차량 환경에서 실시간 식별이 가능한 방법 제시 11가지 차량(자동차, 트럭, 자전거), 보행자 및 교통 신호(빨간색, 녹색, 노란색)에 대한 우천 및 일반 기상 시나리오에 대한 거리 수준 기록에서 객체 인식 Roboflow 데이터 세트를 활용 실제 도로 교통 비디오 시퀀스를 사용하여 제안 시스템의 성능 평가 dataset Roboflow 자율 주행 자동차 데이터 세트 사용 사전 훈련된 COCO 가중치 사용 훈련 세트: 959개의 이미지, 검증 세트: 239개의 이미지 테스트 세트: 302개의 이미지 2023. 1. 12. [논문 리뷰] Thermal Object Detection in Difficult Weather Conditions Using YOLO(ieee 2017) 리뷰 abstract RGB 이미지에서 감지하도록 의도된 컨볼루션 신경망 모델을 사용하여 열화상에서 자동 사람 감지 작업 Faster R-CNN, SSD, Cascade RCNN 및 YOLOv3와 같은 표준 최첨단 개체 감지기의 성능을 국경 주변의 불법 이동을 시뮬레이션하는 비디오에서 추출한 열 이미지 데이터 세트로 재학습한 성능을 비교 보호 구역에서 맑은 날씨, 비, 안개, 밤 다양한 범위에서 다양한 움직임 유형으로 녹화 YOLOv3는 다른 탐지기보다 훨씬 빠르면서도 최고에 필적하는 성능을 달성하여 추가 실험에 사용 테스트 데이터 세트에서 우수한 감지 결과를 얻는 데 필요한 최소 이미지 수를 결정하기 위해 다양한 교육 데이터 세트 설정 실험 학습에 약간의 열화상 세트를 사용, 모든 테스트 시나리오에 대한 평.. 2023. 1. 11. 이전 1 다음 반응형
