꿈꾸는 개발자의 devLog

1 Stage detector vs 2 Stage detector1 stage detector물체 위치 찾는 파트와 분류 파트를 한꺼번에 실행 CNN을 통과한 feature map에서 객체의 분류와 위치를 한 번에 실행대표적인 예시 : YOLO2 stage detector객체가 있는 곳을 먼저 탐지하고, 분류를 수행Region Proposal로 객체의 위치를 찾음, 이후에 분류 실행대표적인 예시 : R-CNN 계열 Faster RCNN 추가 예정..[Ref]https://velog.io/@qtly_u/ qtly_u (Jomii) - velog[paper] Inception v4 (2016) Inception 아키텍처는 초기에 GoogLeNet으로 알려져 있었으며, 이후 Inception v2, Incep..

객체 인식은 2013년 R-CNN이 나오면서 딥러닝을 사용하기 시작함객체 인식을 위해 주로 사용했던 방법 : 슬라이딩 윈도우 저 파란 박스가 왼쪽에서부터 오른쪽으로 움직이면서 개가 있는지 또는 고양이가 있는지 등 확인을 함근데 이러기 위해선 정말 많은 파란 박스가 필요하기 때문에 비용적으로 비효율적임또, 이미지에 어떤 객체가 있을지 알 수가 없음그만큼 경우의 수가 다양해짐 Region Proposals그래서 나온게 region proposal이라는 방법임이 방법은 딥러닝을 사용하는게 아님  Object가 있을법한 BBox를 제공해 줌이미지 내에 뭉텅진 곳(Blobby)을 찾아냄 : 객체가 있을지도 모르는 후보 영역  Selective search Region proposal을 만들어낼 수 있는 방법 중 ..

모두의 연구소 스터디에 참여하면서, 사실 다른 사람이 발표하는 걸 듣기만 하고 정리하지는 않았는데..이미지 분류에 대해서만 연구를 하다보니 다른 분야에 대해서는 사실 지식이 깊지가 않다그래서 다른 분야에 대해서도 지식을 정리하고 쌓아야 할 필요성을 느꼈기 때문에 처음부터 차근차근..지식을 정리할 계획이다 컴퓨터 비전 스터디 이기 때문에 컴퓨터 비전 분야라는 한정된 분야만을 다루기는 하지만, 사실 여기 내에서도 정말 많은 기술들이 존재하기 때문에 열심히 따라 잡아야 겠다.필요하다면, NLP나 신호 처리 등 다른 분야에 대해서도 공부할 계획이다 참고로 아래 글은 스탠포드 대학교의 cs231 강좌를 참고하였다https://www.youtube.com/watch?v=nDPWywWRIRo  객체 인식 (Objec..