Doby's Lab

✅ Intro R-CNN에서 Region Proposal의 방법으로 채택된 Selective Search에 대해 정리해 보겠습니다. ✅ Selective Search 📄 Exhaustive Search Selective Search가 있기 전에 Exhaustive Search라는 개념이 있었는데, 직역한 대로 철저하게 모든 Region에 대해 Search 해보는 방법입니다. 하지만, 이 방법에는 연산의 한계점이 있습니다. 왜냐하면, Candidate Region에 대해 모든 Region을 탐색해보아야 하는데 Object의 크기(Scale)는 일정하지 않고, Aspect Ratio 또한 일정하지 않아서 셀 수 없는 연산을 모두 해보아야 Exhaustive Search가 되기 때문입니다. 📄 Segmenta..

일반적으로 Object Detector의 성능이 얼마나 좋은지에 대한 지표로는 mAP가 널리 쓰이고 있습니다. 오늘은 mAP는 어떻게 도출되는 결과인지에 대해 알아보겠습니다. ✅ Precision(정확도), Recall(검출율, 재현율) 우선 Precision과 Recall에 대해 알고 있어야 합니다. 그리고, Precsion과 Recall에 대해 알기 위해서는 Confusion Matrix에 대한 개념을 알고 있어야 합니다. 위 그림이 Confusion Matrix입니다. 예를 들어, Detector가 Positive라고 판단했을 때, 이것은 Detector의 입장일 뿐입니다. 실제로 이것이 Positive인지 Negative인지는 모릅니다. 그런데 이것이 실제라고 했을 때는 Positive가 맞다는 ..

✅ Intro Region Proposal에서 적절한 Bounding Box를 채택하는 Non-maximum Suppression을 이해하기 위해서는 Object Detector의 평가지표인 IoU에 대한 개념의 이해가 필요합니다. ✅ IoU(Intersection over Union) IoU란 Objector Detector가 잘 작동하는지 정확도를 나타내는 평가지표입니다. IoU를 사용한 평가를 내리기 위해서는 두 가지의 정보가 필요합니다. Ground-truth Bounding Box (Test set에서 Object의 위치를 Labeling 한 것) Predicted Bounding Box (Model이 직접 측정한 Object의 위치) Ground-truth Bounding Box와 Predic..