본문 바로가기

🏛 Research/Detection & Segmentation14

[논문 리뷰] End-to-End Object Detection with Transformers | DETR 설명 오늘은 2020년에 Meta에서 공개한 DETR 모델(ECCV 2020)을 리뷰해 보고자 한다. 피 인용수가 9000회에 육박하며, 최근 공개되는 객체 검출 논문들을 보면 DETR 기반의 연구도 심심치 않게 볼 수 있다. Deformable DETR, Conditional DETR, Group DETR, Co-DETR, ... DETR (DEtection TRansformer) DETR은 트랜스포머와 이분 매칭(Bipartite-matching) 기반의 새로운 검출 방식을 도입하여 RPN, NMS와 같은 hand-crafted 한 엔지니어링이 필요없는 모델 구조라고 한다. 구조적으로 굉장히 간단하면서 다른 task에 대한 확장성도 좋고, 어텐션 메커니즘을 이용하기 때문에 큰 객체를 검출 능력이 Faste.. 2023. 11. 25.

[논문 리뷰] Fast Segment Anything | Fast SAM | SAM의 경량화 SAM (Segment Anything Model) 설명 및 사용 방법 [Meta AI] SAM (Segment Anything Model) 사용 방법 | 모든 객체를 분할하는 Vision AI 모델 SAM (Segment Anything Model) Meta 에서 SAM (Segment Anything Model) 이라는 어떤 것이든 분할할 수 있는 모델을 공개했다. 논문 제목 자체가 'Segment Anything' 인데 굉장히 자신감 넘치는 워딩이다. 간단한 설명을 mvje.tistory.com Meta AI의 Segment Anything Model (SAM)이 공개된지 얼마나 됐다고 벌써 Fast SAM이라는 속도가 향상된 버전의 SAM이 공개되었다. 빅테크 기업에서 혁신적인 AI 모델을 지속적.. 2023. 7. 2.

[논문 소개] TAM (Track Anything Model) | 어떤 것이든 추적하는 Vision AI 모델 | Sagment Anything 비디오 버전 Track Anything: Segment Anything Meets Videos 세상 참 빠르다. Meta AI의 SAM (Segment Anything Model)이 나온지 얼마나 됐다고 SAM을 비디오에 적용해 tracking task를 수행하는 TAM (Tracking Anything Model) 논문이 나왔다고 한다. Track-Anything은 비디오 객체 추적 및 분할을 위한 유연한 대화형 도구로 Segment Anything에서 개발되었으며 사용자 클릭을 통해서만 추적 및 세그먼트화할 항목을 지정할 수 있다. 추적하는 동안 사용자는 추적하려는 개체를 유연하게 변경하거나 모호한 부분이 있는 경우 관심 영역을 수정할 수도 있다. 이러한 특성을 통해 Track-Anything은 다음과 같은 작업.. 2023. 4. 30.

[논문 소개] DINOv2 - Self-supervised Vision Transformer | Meta AI | 레이블 데이터 없이 강력한 성능을 내는 Vision AI 모델 DINOv2 논문 제목 : DINOv2: Learning Robust Visual Features without Supervision GitHub Demo 23년 4월 Meta AI에서 self-supervised learning을 사용하여 고성능 컴퓨터비전 모델을 학습하는 새로운 방법인 DINOv2를 공개했다. LLM(Large Language Model) 학습에도 활용되는 self-supervised learning 방법은 모델 학습 시 많은 양의 레이블이 지정된 데이터가 필요하지 않기 때문에 AI 모델을 학습하는 강력하고 유연한 방법이다. 논문에 따르면 최근 몇년 동안 컴퓨터비전 작업의 표준 접근 방식이었던 이미지-텍스트를 페어로 학습하는 멀티모달 방식의 학습 방법에서는 이미지의 캡션 정보에 의존한.. 2023. 4. 29.

[논문 리뷰] SegFormer: Simple and Efficient Design for Semantic Segmentation with Transformers 본 논문은 NeurIPS 2021 에 공개되었고, 심플하고 강력한 semantic segmentation task 용 Transformer 인 SegFormer 를 제안하는 논문입니다. Abstract 본 논문에서는 효율적인 Segmentation task 수행을 위한 간단하고 효율적이면서 강력한 semantic segmentation 프레임워크인 SegFormer 를 제안합니다. SegFormer 는 1) multi-scale feature 를 추출하는 새로운 hierarchically structured Transformer encoder 로 구성되고, positional encoding이 필요하지 않기 때문에 테스트 이미지의 해상도가 학습 이미지의 해상도와 다를 때 성능이 저하되는 positiona.. 2022. 8. 9.

[논문 리뷰] Deep Learning for Large-Scale Traffic-Sign Detection and Recognition / 교통 표지판 검출 본 포스팅에서는 Traffic sign detection (교통 표지판 감지) 에 대한 논문 2개를 소개합니다. Traffic-Sign Detection and Classification in the Wild / CVPR 2016 Deep Learning for Large-Scale Traffic-Sign Detection and Recognition / IEEE T-ITS 2019 Traffic sign detection 은 object detection의 하위 task로 볼 수 있고, 자율 주행 및 도로 정보를 생성하는데 필수적으로 사용됩니다. 굉장히 작은 객체를 감지하는 방법들이 궁금했었는데, traffic sign detection 논문들이 도움이 되는 것 같습니다. "Traffic-Sign De.. 2022. 7. 8.

이전 1 2 3 다음

티스토리툴바