object detection

#object detection #객체 검출

object detection

여러 물체에 대해 어떤 물체인지 분류하는 classification문제 + 그 물체가 어디 있는지 박스를 통해 위치 정보를 나타내는 localization문제를 둘 다 해내야 하는 분야를 뜻한다.

object detection = classification + lacalizaiton

이미지를 입력했을 때 그 결과가 해당 객체를 bounding box 해주고, 해당 box안에 있는 객체가 무엇인지 classification까지 해준다면 그것을 object detection이라고 한다.

 

object detection은 classification문제+localization문제를 합한 것

one-shot-detection은 이 두 문제를 동시에 행하는 방법

two-shot-detection은 이 두 문제를 순차적으로 행하는 방법이다

 

● two-shot-detection

-초기버전

2단계를 걸쳐서 검출하기 때문에 two-shot이라고 한다. 영상 전체를 sliding 하면서 네트워크를 돌려준다. 한 장의 이미지에 엄청나 게 많은 네트워크를  사용해야 해 연산량이 엄청나게 된다. 실시간성이 제로이다

-업그레이드

R-CNN

1.ROI설정, 물체가 있을지도 모르는 위치의 후보 영역을 제안하는 부분 selective search 또는 RPN등을 이용

2.주어진 ROI들에 대해 클래스를 분류하고, bounding box를 회귀하는 단계

 

첫 번째로 예상 범위 추출(RPN : Region-Proposal Network) 작업을 한다. RPN작업을 할 때 대표적으로 selective search라는 알고리즘으로 추려낸다. 엄청나게 많은 박스가 나오면 비슷한 위치를 갖는 박스를 줄여 200개의 랜덤 사이즈 bounding box만 남게 된다.

속도가 느림, 성능은 좋다

 

● one-shot-detection

input image가 있으면, 하나의 신경망을 통과하여 물체의 bounding box와 class를 동시에 예측하게 되는 방법 yolo이며 이게 곧 one-shot-detection의 일련의 과정이라고 보면 된다.

종류는 YOLO, SSD, RetinaNet 등이 있다.

 

 

 

그래서 둘 다 각자만의 장단점을 가지고 있다.

one-shot-detection : 속도는 빠르다 높은 실시간성, 그러나 정확도는 떨어짐

two-shot-detection : 높은 정확도 , 그러나 속도가 느리다