Object Detection 네트워크 및 성능 상관 관계
📲 Object Detection 네트워크 개요
- Feature Extractor Network
- VGG, RESNET, INCEPTION 등
- 보통 ImageNet 데이터 세트 기반으로 Pretrained 됨
- Image Classification에서 큰 활약
- CNN Network Model(backbone)
- Feature Map의 사이즈는 감소하지만 깊이는 증가
- 깊어질수록 추상화되고 핵심적인 feature
- 원본 이미지에서 주요 feature를 뽑아내는 과정
- Object Detection Network
- 보통 Pascal VOC/MS-COCO 데이터 세트 기반으로 Pretrained 됨
- Feature Map을 기반으로 Object Detection 수행
- 별도의 네트워크
- bounding box, Object Scale, classification, FCN, multi-scale 등 계산
- Region Proposal
- 있을 수도 있고 없을 수도 있다
- Object가 있을만한 위치 계산
- selective search
📲 Image Resolution, FPS, Detection 성능 상관 관계
- Image Resolution
- 이미지 선명도(사이즈)
- 높을수록 Detection 성능 향상
- FPS(Frame per Seconds) 감소
- 1초에 처리할 수 있는 프레임 수
- 1초에 Object Detect할 수 있는 이미지의 수
- 이미지 선명도가 높으면 배열의 크기가 커지므로 탐색 속도 감소
- VOC 2007 YOLO V2
- 두 마리 토끼를 다 잡을 수는 없다!
- FPS가 빨라야 하는 요구 사항
- Detection 성능 저하 감안할 것
- FPS가 빨라야 하는 요구 사항
* 출처: 인프런 '딥러닝 컴퓨터 비전 완벽 가이드'
Author And Source
이 문제에 관하여(Object Detection 네트워크 및 성능 상관 관계), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다 https://velog.io/@tataki26/opencv-0qd0rrky저자 귀속: 원작자 정보가 원작자 URL에 포함되어 있으며 저작권은 원작자 소유입니다.
우수한 개발자 콘텐츠 발견에 전념 (Collection and Share based on the CC Protocol.)