Paper-Review
YOLO9000: Bettter, Faster, Stronger Preview YOLOv1와 마찬가지로 One stage object detector이다. YOLOv2: YOLOv1의 단점을 개선하여 연산을 빠르게, 정확도는 높임 YOLO9000: Detection dataset의 적은 class 개수로인한 예측 가능한 class개수의 증가 Classification dataset과의 joint training통해 존재하지 않는 object class에 대한 예측도 가능해짐 새로운 classification network인 Darknet-19를 통해 성능 향상 Better Batch Normalization High Resolution Classifier Convolutional with Anchor B..
You Only Look Once Unified, Real-Time Object Dectection Object detection = object * (localization + classification) YOLO는 이미지 내 bounding box와 class probability를 하나의 regression방법으로 해석하여 해결한다. 즉, 이미지를 한 번 보는 것만으로 이미지 내에 위치한 객체의 종류와 위치 정보를 추측할 수 있는 모델! YOLOv1 preview Pros 간단한 처리과정으로 인해 빠른 속도 + 기존 Real-Time Dectection 시스템들과 비교해 2배 가량 높은 mAP 이미지 전체를 한 번에 바라보기 때문에 Class에 대한 맥락 이해가 높고, 이 덕분에 Background..
