아롱이 탐험대

Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks -Shaoqing Ren∗ Kaiming He Ross Girshick Jian Sun- 1. Introduction 지금까지 Faster R-CNN을 이해하기 위해 R-CNN, Fast R-CNN, VGG16에 대해 분석을 했다. 크게 보면 Fast R-CNN과 Faster R-CNN의 구조는 처음 특정 region을 찾는 단계에서 차이가 있다. 기존 Fast R-CNN에서는 Selective search를 사용하여 이 과정에서 약 2초 정도 delay가 생겨 real time에는 적용하기 힘들었다. 하지만 Faster R-CNN에서는 이 과정을 보완하고자 새롭게..

Very Deep Convolution Networks For Large-Scale Image Recognition (VGG16) -Karen Simonyan, Andrew Zisserman- 1. Introduction Faster-RCNN을 분석하기 앞서 여기서 쓰이는 네트워크 모델인 VGG16을 먼저 공부하고 분석할 필요가 있어 VGG NET을 먼저 분석하겠다. 우선 해당 네트워크는 2014년 image net image recognition contest에서 google net에 밀려 2위를 했던 네트워크이다. (정확히는 VGG19이다.) google net의 네트워크 구조는 매우 복잡한 방면 VGG16은 사용하기 간단하고, 다른 네트워크에 변형하기도 쉬우며 성능적인 면에서도 나쁘지 않아 다른 논..

Fast R-CNN -Ross Girshick Microsoft Research- 1. Introduction 지난 시간 R-CNN논문에 이어 이번에는 더욱 향상된 network인 Fast R-CNN에 대해 분석을 하겠다. 우선 기존 R-CNN에서는 몇 가지의 단점들이 존재를 했는데 Fast R-CNN에서는 이 problems들이 존재했는지 한번 보자 1) 기존 R-CNN에서는 CNN part에서 Alex net을 그대로 사용했기 때문에 pixel size를 224*224로 warping하는 과정에서 이미지 손실이 생긴다. 2) Selective search를 통해 나온 2000개의 region image를 모두 CNN에 넣기 때문에 시간적인 측면에서 효율성이 아주 낮다. 3) Selective sear..

Rich feature hierarchies for accurate object detection and semantic segmentation -Ross Girshick, Jeff Donahue, Trevor Darrell Jitendra Malik- 1. Introduction 이전 분석했던 Alex net, Le net-5는 모두 classification problem를 해결하고자 만들어진 네트워크다. Computer vision에서의 problem 분야는 크게 4가지로 정의할 수 있다. 우선 첫번째로 지금까지 살펴본 classification 즉 이미지를 보고 어떤 물체인지 인지하는 문제, 두번째는 Classification + Localization이다. 이는 해당 물체를 인지할 뿐만 아니라 ..