기본 콘텐츠로 건너뛰기
검색
이 블로그 검색
너굴
공유
공유 링크 만들기
Facebook
X
Pinterest
이메일
기타 앱
태그
CNN
object detection
R-CNN
vision
7월 30, 2018
R-CNN
# MAIN ---- R-CNN은 object detection machine learning algorithm이다 크게 3-step 으로 이루어짐 - **selective search**를 이용한 region proposal - **CNN**을 이용한 fixed length feature extraction - **SVM** - etc - SVM을 통해 각 class 별로 score가 매겨진 bounding boxes들이 나오는데 이를 **greedy non-maximum suppression**을 통해 필요한 것만 간추려냄. - bounding box을 정답에 더 가깝게 살짝 조정해주는 **Bounding-box regression** 실행. CNN이 *positional invariant* 하기 때문에 이런 과정으로 정확도 올릴 수 있음 ## TIP ---- - R-CNN은 region proposal method에 agnostic하기 때문에 현존하는 region proposal methods 중에서 아무거나 갖다 씀. - region proposal에서 2000개의 proposals를 만듦. 전부 fixed size(227x227 RGB)로 warp함. CNN은 imagenet pretrained model 을 이용함. - pretrained model을 fine tuning 하기 위해 각 class 별로 ground-truth box와 IOU가 0.5가 넘으면 positive sample로 그렇지 않으면 negative sample로 이용. - SVM을 학습할때는 ground-truth box을 positive sample로, 0.3보다 작은 걸 negative sample로 이용함 - CNN을 학습할 때와 SVM을 학습할 때 positive & negative sample을 뽑는 방법이 다른 이유는 그렇게 해보니 더 잘됐기 때문 ## APPENDIX ---- > greedy non-maximum suppression: 결과로 [Pc, bx, by, bx, bx] 가 나오면 , Pc < 0.6인건 다 제거. 남은 것중 Pc 가 가장 큰걸 선택 선택된 박스와 IOU가 0.5인 박스를 모두 제거. 이를 계속 반복
댓글
댓글
댓글 쓰기