๊ฐ์ฒด ๊ฒ์ถ(Object Detection) ๋ชจ๋ธ์์๋ ์ด๋ฏธ์ง ์ ๊ฐ์ฒด์ ์์น์ ํฌ๊ธฐ๋ฅผ ์์ธกํด์ผ ํ๋ค. ์ด๋ ์ฌ์ฉ๋๋ ์ค์ํ ๊ฐ๋ ์ค ํ๋๊ฐ ์ต์ปค ๋ฐ์ค(Anchor Box)์ด๋ค.
1. ์ต์ปค ๋ฐ์ค๋?

์ต์ปค ๋ฐ์ค๋ ์ด๋ฏธ์ง์ ๊ฐ ์์น์ ๋ฏธ๋ฆฌ ์ ์๋ ์ฌ๋ฌ ํฌ๊ธฐ์ ๋น์จ์ ๋ฐ์ด๋ฉ ๋ฐ์ค๋ฅผ ์๋ฏธํ๋ค. ๋ชจ๋ธ์ ์ด ์ต์ปค ๋ฐ์ค๋ฅผ ๊ธฐ์ค์ผ๋ก ์ค์ ๊ฐ์ฒด์ ์์น์ ํด๋์ค ์ ๋ณด๋ฅผ ์์ธกํ๋ค. ๋ค์ํ ํฌ๊ธฐ์ ๊ฐ์ฒด๋ฅผ ํจ๊ณผ์ ์ผ๋ก ํ์งํ๊ธฐ ์ํด ์ฌ๋ฌ ๊ฐ์ ์ต์ปค ๋ฐ์ค๋ฅผ ๊ฐ ์์น๋ง๋ค ๋ฐฐ์นํ๋ ๋ฐฉ์์ด๋ค.
2. ์ต์ปค ๋ฐ์ค์ ์๋ฆฌ์ ์ฌ์ฉ ๋ฐฉ์
๊ฐ์ฒด ๊ฒ์ถ ๋ชจ๋ธ์ ๊ฐ ์ต์ปค ๋ฐ์ค์ ๋ํด ๋ ๊ฐ์ง๋ฅผ ์์ธกํ๋ค.
- ํด๋น ๋ฐ์ค์ ์ด๋ค ํด๋์ค๊ฐ ์กด์ฌํ๋์ง
- ํด๋น ๋ฐ์ค๋ฅผ ์ด๋ป๊ฒ ์กฐ์ ํด์ผ ์ค์ ๊ฐ์ฒด์ ์์น์ ๋ง์ถ ์ ์๋์ง
์ด๋, ์์ธก๋ ๋ฐ์ด๋ฉ ๋ฐ์ค๊ฐ ์ค์ ๊ฐ์ฒด์ ๋ฐ์ด๋ฉ ๋ฐ์ค์ ์ผ๋ง๋ ๊ฒน์น๋์ง๋ฅผ ํ๊ฐํ๊ธฐ ์ํด IoU(Intersection over Union) ์งํ๋ฅผ ์ฌ์ฉํ๋ค.
์์๋ก ๋ณด๋ ํ์ต ๊ณผ์
- ์ฌ์ ์ ์๋ ์ต์ปค ๋ฐ์ค ์์ฑ
์ด๋ฏธ์ง์ ๊ฐ ์์น์ ๋ํด ๋ค์ํ ํฌ๊ธฐ์ ๋น์จ์ ์ต์ปค ๋ฐ์ค๊ฐ ์ฌ์ ์ ์ ์๋๋ค. ์๋ฅผ ๋ค์ด, 3๊ฐ์ ํฌ๊ธฐ์ 3๊ฐ์ ๋น์จ์ ์ฌ์ฉํ๋ฉด ํ ์์น๋น 9๊ฐ์ ์ต์ปค ๋ฐ์ค๊ฐ ์์ฑ๋๋ค. - ์ค์ ๊ฐ์ฒด์์ ๋งค์นญ
ํ์ต ์ค ๋ชจ๋ธ์ ์ต์ปค ๋ฐ์ค์ ์ค์ ๊ฐ์ฒด์ ๋ฐ์ด๋ฉ ๋ฐ์ค ๊ฐ์ IoU๋ฅผ ๊ณ์ฐํ๊ณ , IoU๊ฐ ๊ฐ์ฅ ๋์ ์ต์ปค ๋ฐ์ค๋ฅผ ํด๋น ๊ฐ์ฒด์ ํ ๋นํ๋ค. - ํด๋์ค ๋ฐ ์์น ํ์ต
๋งค์นญ๋ ์ต์ปค ๋ฐ์ค๋ ์ค์ ๊ฐ์ฒด์ ํด๋์ค๋ฅผ ์์ธกํ๋๋ก ํ์ต๋๋ฉฐ, ๋์์ ๋ฐ์ด๋ฉ ๋ฐ์ค ์ขํ๋ฅผ ์ค์ ๊ฐ์ฒด์ ์์น์ ๋ง๊ฒ ์กฐ์ ํ๋ ๋ฐฉ๋ฒ๋ ํ์ตํ๋ค. - ์์ค ํจ์ ๊ณ์ฐ
๋ชจ๋ธ์ด ์์ธกํ ํด๋์ค์ ์์น๊ฐ ์ค์ ๊ฐ๊ณผ ์ผ๋ง๋ ์ฐจ์ด ๋๋์ง๋ฅผ ๋ฐํ์ผ๋ก ์์ค(loss)์ ๊ณ์ฐํ๋ค. ์ผ๋ฐ์ ์ผ๋ก ํด๋์ค ์์ธก์๋ Cross-Entropy Loss, ๋ฐ์ด๋ฉ ๋ฐ์ค ์์ธก์๋ L1 Loss ๋๋ GIoU Loss๋ฅผ ์ฌ์ฉํ๋ค. - ๋ชจ๋ธ ์
๋ฐ์ดํธ
์์ค ๊ฐ์ ๋ฐ๋ผ ๋ชจ๋ธ์ ํ๋ผ๋ฏธํฐ๋ฅผ ์ ๋ฐ์ดํธํ๋ฉฐ, ์ด๋ฅผ ๋ฐ๋ณตํ๋ฉด์ ๋ ์ ํํ ์์ธก์ด ๊ฐ๋ฅํด์ง๋ค.
3. ์ต์ปค ๋ฐ์ค์ ์ฅ๋จ์
์ฅ์
- ๋ค์ํ ํฌ๊ธฐ์ ๊ฐ์ฒด ์ฒ๋ฆฌ์ ์ ๋ฆฌํ๋ค.
- ๋ค์ค ์ค์ผ์ผ ์์ธก์ ํตํด ๊ฒ์ถ ์ฑ๋ฅ์ ํฅ์์ํฌ ์ ์๋ค.
๋จ์
- ์ค์ ์ด ๋ณต์กํ๋ค.
์ ์ ํ ํฌ๊ธฐ, ๋น์จ, ๊ฐ์๋ฅผ ์ค์ ํด์ผ ํ๋ฉฐ, ์ด๋ ์คํ์ ์ผ๋ก ์กฐ์ ํด์ผ ํ๋ค. - ์ฐ์ฐ ๋น์ฉ์ด ๋๋ค.
๋ชจ๋ ์์น์์ ์ฌ๋ฌ ๊ฐ์ ์ต์ปค ๋ฐ์ค๋ฅผ ์ฒ๋ฆฌํด์ผ ํ๋ฏ๋ก ๊ณ์ฐ๋๊ณผ ๋ฉ๋ชจ๋ฆฌ ์ฌ์ฉ๋์ด ํฌ๋ค. - ํ์ฒ๋ฆฌ๊ฐ ํ์ํ๋ค.
์ค๋ณต๋ ์์ธก์ ์ ๊ฑฐํ๊ธฐ ์ํด NMS(Non-Maximum Suppression) ๊ฐ์ ํ์ฒ๋ฆฌ ๊ณผ์ ์ด ํ์ํ๋ค.
4. ์ต์ปค ๋ฐ์ค๋ฅผ ์ฌ์ฉํ๋ ๋ํ์ ์ธ ๊ฐ์ฒด ๊ฒ์ถ ๋ชจ๋ธ
- Faster R-CNN
Region Proposal Network(RPN)์์ ์ต์ปค ๋ฐ์ค๋ฅผ ์ฌ์ฉํ์ฌ ํ๋ณด ์์ญ์ ์์ฑํ๊ณ , ์ด๋ฅผ ๊ธฐ๋ฐ์ผ๋ก ๊ฐ์ฒด๋ฅผ ๊ฒ์ถํ๋ค. - YOLOv3
์ด๋ฏธ์ง์ ๊ฐ ๊ทธ๋ฆฌ๋ ์ ์์ ๋ฏธ๋ฆฌ ์ ์๋ ์ต์ปค ๋ฐ์ค๋ฅผ ๊ธฐ์ค์ผ๋ก ๊ฐ์ฒด๋ฅผ ์์ธกํ๋ค. - RetinaNet
๋ค์ํ ํฌ๊ธฐ์ ๋น์จ์ ์ต์ปค ๋ฐ์ค๋ฅผ ๊ธฐ๋ฐ์ผ๋ก ์์ธก์ ์ํํ๋ฉฐ, Focal Loss๋ฅผ ํตํด ์์ ๊ฐ์ฒด ๋ฐ ํด๋์ค ๋ถ๊ท ํ ๋ฌธ์ ๋ฅผ ํด๊ฒฐํ๋ค.
์ต๊ทผ์๋ ์ต์ปค ๋ฐ์ค๋ฅผ ์ฌ์ฉํ์ง ์๋ DETR(Detection Transformer)์ ๊ฐ์ ๋ชจ๋ธ๋ ๋ฑ์ฅํ๊ณ ์๋ค. DETR๋ ๋ณต์กํ ์ต์ปค ์ค์ ์ด๋ NMS ์์ด๋ ๊ฐ์ฒด๋ฅผ end-to-end ๋ฐฉ์์ผ๋ก ์์ธกํ ์ ์๋ ์๋ก์ด ์ ๊ทผ ๋ฐฉ์์ ์ ์ํ๋ค.
[๊ฐ์ฒด ๊ฒ์ถ] DETR ๋ชจ๋ธ ์์ ์ ๋ณตํ๊ธฐ !! | Object Detection | ๊ฐ์ฒด ๊ฒ์ถ ํธ๋ ๋ ๊ณต๋ถํ๊ธฐ
๊ฐ์ฒด ๊ฒ์ถ(Object Detection)์ ์ปดํจํฐ ๋น์ ๋ถ์ผ์์ ๊ฐ์ฅ ์ค์ํ ๋ฌธ์ ์ค ํ๋๋ก, ์ด๋ฏธ์ง ๋ด์์ ๊ฐ์ฒด์ ์์น์ ์ข ๋ฅ๋ฅผ ์๋ณํ๋ ์์ ์ด์์. ์ค๋์ ๊ฐ์ฒด ๊ฒ์ถ ๋ถ์ผ์์ ํ ํ์ ๊ทธ์ DETR (Detection T
mvje.tistory.com