객체탐지와 합성곱 신경망

비전인식

• 분류(Classfication)
• 검출(탐지, Object Detection)
• 분할
• 추적
• 행동분류

객체탐지/객체 검출

• 컴퓨터 비전 AI 기술이 가장 많이 응용되는 분야(자율 주행 자동차)
• 여러개의 물체(객체)를 찾아 위치와 레이블을 알아냄

객체 탐지 작업 단계

1. 입력 이미지에서 여러개의 객체를 찾아내고, 객체를 둘러싼 네모박스(경계박스, 바운딩박스)를 그리는데, 객체의 경계를 나타내는 좌표값은 회귀 알고리즘으로 구함.
2. 위치를 찾아낸 각 객체가 어떤 클래스에 속하는지 분류 알고리즘으로 알아냄

객체 탐지 구현 알고리즘

• 2단계 방법(2STEP METHOD)
  • 후보 영역을 생성하는 단계와 분류하는 2단계를 거침(RCNN, R FCN, G-RCNN)
• 1단계 방법(1STEP METHOD)
  • 위치와 분류 정보를 한번에 학습(YOLO, SSD, RETINANET)

YOLO 객체 탐지

• DARKNET에서 제공하는 YOLO 객체 탐지 모델
• YOLO1에서 시작, YOLO5까지 발전해 옴
• 특징
  • 경계 박스와 예측 클래스를 서로 다른 문제로 다루지 않고 하나의 회귀 문제로 접근하는 개념
  • 하나의 신경망이 한번만 계산해 두가지 일을 한번에 처리함
  • 물체 위치와 부류 정보를 회귀를 토해 한꺼번에 알아내는 한 단계 방법
  • 속도가 매우 빠름(RCNN보다 정확률 떨어지지만 월등히 빠름)