week93 [Boostcamp]Week9-Day39. Object Detection Library :: seoftware 📜 강의 정리 MMDetection 실습 ✔ 전체구성 Model Config : model architecture 작성 Dataset Config : augmentation, dataset format, 종류 등 Scheduler Config : optim, lr, scheduler 등의 정보 Runtime Config : log, ckpt 정보 ✔ Model Config model architecture type backbone neck bbox rpn_head(2-stage detector만 있음) roi_head(2-stage detector만 있음) train_cfg test_cfg ✔ Dataset Config ✔ 새로운 backbone 등록 방법 swin.py(새로운 백본 파일)를 mmdete.. 2021. 9. 30. [Boostcamp Lv2][P stage] Week9-Day38. 2 stage detector :: seoftwa 📜 강의 정리 2 Stage Detector 객체가 있을 법한 위치를 특정짓고, 해당 객체가 무엇인지 분류하는 2가지 단계를 거치는 모델을 2 stage detector라고 한다. 1. R-CNN ✔ Pipeline Input Image Extract Region proposals : Selective Search 방법을 통해 약 2000개의 RoI 추출 Warping : RoI의 사이즈를 조절해 모두 동일한 사이즈로 변경 warping을 하는 이유? FC layer의 입력 사이즈가 고정되어서, 동일한 사이즈로 맞춰줘야한다. Compute CNN features : 각 region 마다 4096(64×64)-dim feature vector 추출(2000×4096) - semantic 정보 포함되어 있다.. 2021. 9. 30. [Boostcamp Lv2][P stage] Week9-Day37. Object Detection :: seoftware 📜 강의 정리 Obeject Detection Overview 1. Task classification : 이미지를 보고 어떤 객체인지 분류하는 것 object detection : bbox로 객체의 위치를 찾고 종류를 분류하는 것 semantic segmentation : 객체의 위치와 종류를 픽셀 단위로 분류하는 것 instance segmentation : semantic segmentation에 object detection의 기능을 더해서 같은 종류의 객체라도 다른 객체로 분류하는 것 2. History 3. Evaluation 모델의 평가 지표로 성능과 속도를 사용할 수 있다. 성능의 평가 지표로는 mAP, 속도의 평가 지표로는 FPS, Flops가 있다. ✔ mAP(mean Average P.. 2021. 9. 27. 이전 1 다음
