Faster R-CNN(Faster Regions with Convolutional Neuron Networks features) 모델 개념 설명

본 포스팅은 R-CNN 및 Fast R-CNN을 알고있다는 가정하에 작성되었습니다.

따라서 위의 내용과 중복되는 내용은 생략되었습니다.

 

R-CNN(Regions with Convolutional Neuron Networks features) 모델 개념 설명

 

 

Fast R-CNN(Fast Regions with Convolutional Neuron Networks features) 모델 개념 설명

 

 

1. Faster R-CNN이란?

기존의 Fast R-CNN에서의 단점을 극복한 2-path object detection model이다.

• Selective search를 통해서 RoI를 추출하는 과정이 많은 시간을 소요하여 병목현상 일으켰다.(cpu 수행)
  => Gpu를 활용할 수 있는 Region Proposal Networks를 제안하고 사용하여 속도 향상
• 기존 모델들과는 다르게 End-to-End 모델의 구조를 가진다.

1.1 기존 R-CNN의 흐름도

1.2 기존 Fast R-CNN의 흐름도

1.3 Faster R-CNN의 흐름도

2. Regoin Proposal Networks(RPN)

RPN은 주어진 Feature Map으로부터 물체가 있을법한 위치를 예측하는 모델이다.

여러 사이즈의 Anchor Box를 k개 생성한다.

Feature Map에서 Sliding Window 기법(Anchor Box 사용)을 통해 물체가 있을 법한 위치를 탐색한다.

탐색된 Bounding Box는 confidence 순으로 정렬되며 일정 IoU가 겹칠경우 동일한 물체라고 판단하여 합친다.

 

그 외의 구조는 Fast R-CNN과 동일하다.