selective search
-
Fast R-CNN(Fast Regions with Convolutional Neuron Networks features) 모델 개념 설명Data Science/ML&DL 모델 2022. 11. 15. 00:09
해당 포스팅은 R-CNN을 알고있다는 가정하에 작성되었습니다. R-CNN(Regions with Convolutional Neuron Networks features) 모델 개념 설명 1. Fast R-CNN이란? Fast R-CNN은 R-CNN이 기존에 가지고 있던 단점을 보완함을써 더욱 빠른 처리속도를 가지는 모델이다. 2000개의 RoI가 각자 CNN을 통과하여 Feature Vector를 생산하여 많은 연산량이 요구되었다. => 원본이미지만 CNN에 통과시켜 Feature Map을 생성한다. => RoI와 Feature Map을 RoI Pooling Layer에 넣어 Feature Vector를 생성한다. Multi Stage Model로써 End-to-End 학습이 불가능하다. => Featur..
-
R-CNN(Regions with Convolutional Neuron Networks features) 모델 개념 설명Data Science/ML&DL 모델 2022. 11. 12. 17:03
1. R-CNN이란? 1) 이미지 입력 2) regional proposal 출력 3) 이미지 전처리(동일 사이즈) 4) 예측 2. Region Proposal R-CNN에서는 CNN에 넣을 Region을 찾기위해서 selective search 방법을 사용했다. selective search는 sliding window의 단점을 극복한 방법이다. 2.1 Sliding Window 이미지에 window를 슬라이딩하며 물체가 존재하는지 확인하는 방법. window로 이미지의 모든 부분을 탐색해야하여 많은 시간을 소모하는 단점. 탐지하고자하는 객체들의 크기가 다양하다면 고정된 window가 정확히 맞지 않는다는 단점. (다양한 window의 윈도우를 사용해야함.) R-CNN에서는 해당 방법을 사용하지 않음...