YOLO v4 : Optimal Speed and Accuracy of Objefct Detection. Reference YOLO v4 Paper Abstract CNN 정확도 개선을 위한 수많은 feature(function)들이 존재 어떤 feature들은 특정 model or problem에만 국한되어 동작하거나 소규모 데이터셋에 대해서만 동작하는 것들이 있음 반면에 대부분의 model 등에 적용 가능한 universal 한 feature들이 존재함 Weighted-Residual-Connections(WRC) Cross-Stage-Partial-... Read More

1. YOLO - V1 input image를 S x S로 나눈 grid의 각각의 cell 별로 하나의 object에 대한 detection 수행 각 cell이 2개의 Bounding box를 기반으로 하나의 object에 대한 bounding box 예측 input image는 반복되는 C.R > dense layer(classification, regression) > output feature map( S x S grid ) S x S grid가 갖는 channel은 다음의 특징을 가질 것으로 추정 사용하는 데이터 셋마다 다름(예측하는 o... Read More

BI에서의 딥러닝 활용 - Paper title 머신러닝, 딥러닝 등 여러 분석 기법을 배우고 있지만 실무적으로 어떻게 쓰일 수 있는지 예시를 보여주기 위함. 실무적으로 다룰 데이터가 어떤 특성을 가지는 것인지 즉, 도메인의 지식이 중요하다는 것을 알 수 있음. - Sample Status - Classification workflow - Process Data Collection 모든 샘플은 NCBI에서 확보 class imbalance하게 때문에 SMOTE 적용 Data pre-processing ... Read More

SSD(Single Shot multibox Detector) background one stage vs two stage : Resion proposal이 별도로 구성되어있느냐 없느냐의 차이. two stage detector 중 Faster RCNN이 비교적 빠른 속도임에도 불구하고 실시간으로 사용하기에는 무리가 있음. object detection의 inference time을 줄이기 위해 one stage에 대해 학습. YOLO로 인해 inference time은 향상되었으나 mAP가 떨어짐. 뒤이어 나온 SSD가 inference time도 좋고 mAP가 Faster RCNN... Read More

1. RCNN(Regions with CNN) CNN 공부하다보면 어떤 곳에서는 Region Proposal을 network 안에 포함하여 설명하는 글이 있음 CNN에 Region Proposal을 넣은 것이 RCNN 단일 이미지에 대해 Selective Search를 이용하여 2000개의 Region proposal Selective Search를 통해 나온 이미지들을 AlexNet에 넣기 위해서는 227*227 image crop 마지막에 classification을 위해 사용했던 softmax 대신 SVM를 채택하여 성능이 향상됨. SVM(Suppo... Read More

0. Dependancy CNN feature extractor network(convolution, kernel(filter), pooling, feature map) VGG, rasnet etc 2012년도에 AlexNet이 ImageNet compatition에서 DL기반의 CNN을 사용 이 시점을 기준으로 DL에 대한 performance 등 여러 가능성이 증가함 1. Definition Classification feature map과 label 등의 정보를 이용하여 이미지 분류 Localization 이미지 안에서 특정 영역을 한정 짓는 것 ... Read More