목록Paper Review🥔/Object Detection (2)
Hello Potato World
[포테이토 논문 리뷰] YOLO9000: Better, Faster, Stronger(＆Yolov2)
⋆ ｡ ˚ ☁︎ ˚ ｡ ⋆ ｡ ˚ ☽ ˚ ｡ ⋆ [Object Detection paper review] YOLO9000 이 논문에서는 YOLO의 mAP와 FPS를 개선시킨 YOLOv2와, object categories를 약 9000종류 이상으로 넓게 확장시킨 YOLO9000 모델에 대해 설명하고 있다. 사실 논문 제일 첫부분에서 언급한 주요 아이디어에 대한 내용은 끝부분에 나와있어서 중간에 잠깐 혼란스러웠던 것 같다(?) YOLOv1에서 개선된 부분들을 총 3가지 section으로 나눠 설명하고 있다. Better : mAP 개선 (약 13.4%↑, 416*416input 기준) Faster : FPS 개선 (약 22%↑) Stronger : object categories를 9000개 이상으로 끌어..
[포테이토 논문 리뷰] R-FCN:Region-based Fully Convolutional Networks
⋆ ｡ ˚ ☁︎ ˚ ｡ ⋆ ｡ ˚ ☽ ˚ ｡ ⋆ [Object Detection paper review] 일단 오늘 읽은 paper부터 남기지만 이전에 읽은 paper들, 머신러닝 및 CNN도 기본부터 다시 봐보자는 마음으로 전부 정리할 예정 R-FCN R-FCN(Region-based fully convolutional network)는 말 그대로 image에서의 region, 이미지 내의 object의 위치정보에 기반한 fully convolutional network다. 이 모델은 Faster R-CNN을 그대로 가져오되, RPN 이후의 단계만 수정해서 속도를 무지하게 향상시켰다. 여기서 새로 추가한(수정한) 아이디어는 크게 3가지이다. Fully Convolutional Network Positi..