728x90 객체 검출4 NMS (Non-Maximum Suppression) | 객체 검출에서 겹치는 bbox를 제거하는 방법 Non-Maximum Suppression(NMS)은 객체 감지 모델에서 겹치는 Bounding Box를 제거하여 최종 결과를 정리하는 기술이다. 이를 통해 모델의 출력을 간결하게 하고 중복된 결과를 제거함으로써 정확한 객체 감지를 할 수 있게 된다. NMS의 원리는 여러 후보 bbox 중에서 겹치는 상자들을 필터링하는 것인데, 겹치는 상자들 중에서 가장 확률이 높은 상자를 선택하고 그와 겹치는 상자들을 제거하는 방식이라고 보면 된다. 이러한 NMS는 모델의 출력을 정리하고 중복된 결과를 제거하여 더 정확한 결과를 얻을 수 있도록 하며 특히, 한 객체에 대해 여러 개의 겹치는 경계 상자가 생성된 경우 이를 정리하는 데 사용된다. Object Detection 모델 중 Faster R-CNN, YOLO와.. 2023. 11. 25. [OpenCV] Image Contour 추출 | 이미지 컨투어 | 객체 윤곽선 추출 | 기초적인 segmentation 방법 Image Contour (이미지 윤곽선) 이미지 윤곽선(contour)은 이미지에서 객체(object)의 외곽 경계를 나타내는 곡선이다. 이러한 윤곽선은 객체의 형태, 크기, 방향 등의 정보를 추출하는 데 유용하게 사용된다. 예를 들어, 이미지에서 객체의 위치나 크기를 검출하고, 개체의 외곽을 추출하거나, 개체를 분할(segmentation)하기 위해 윤곽선을 추출한다. 윤곽선을 추출하기 위해서는 대개 이미지의 이진화(binary) 과정이 필요하다. 이진화된 이미지에서는 흰색 픽셀은 개체를, 검은색 픽셀은 배경을 나타냅니다. 이진화된 이미지에서 윤곽선을 추출하는 방법은 여러 가지가 있지만 가장 간단한 방법은 cv2.findContours 함수를 사용하는 것이다. 이 함수는 바이너리 이미지에서 윤곽선을 .. 2023. 3. 30. [Object Detection] 누구나 쉽게 따라할 수 있는 YOLOv5 모델 학습하기 (커스텀 데이터) Object Detection Object Detection(객체 검출)이란 이미지에서 검출하고 싶은 객체의 위치(바운딩 박스)를 찾고 객체의 카테고리를 분류하는 작업을 의미한다. 객체 검출하면 역시 많은 분들이 YOLO 모델을 떠올리는 것 같아서, YOLO 모델을 학습하고 테스트하는 튜토리얼을 준비해 봤다. 요즘은 컴공과나 AI 관련 공부를 하시는 학생이 아니더라도 본인의 학업에 객체 검출 기술을 적용시켜보려 하는 사람들이 많다. 하지만 코딩을 할 줄 모르면 간단한 코드일지라도 따라하다보면 에러가 나고 어떻게 해결해야할지 모르겠는 상황이 많이 연출된다. 때문에 코딩을 할 줄 모르는 사람도 쉽게 따라할 수 있는 YOLO 학습 튜토리얼을 준비했으니 필요한 분들께 도움이 되었으면 좋겠다. - 학습 코드 레퍼.. 2022. 12. 17. [간단 설명] Object Detection 기초 : RCNN, SPPNet, Fast RCNN, Faster RCNN, YOLO | 딥러닝 기반 객체 검출 기초 1. RCNN Selective search 알고리즘으로 이미지에서 객체가 있을 것 같은 위치에 box 2k개 추출 Non-maximum Suppression 으로 가장 스코어가 높은 box만 남김(box가 겹칠 때 IoU >0.5 이면 적용) 모든 box를 227x227 로 resize (비율 고려 x) Pre-train 된 네트워크에 box 이미지를 통과시켜 고정된 크기의 feature 추출 SVM classifier 학습 & Bounding box regression 단점 - Region proposal 로 추출한 수많은 개수의 영역을 모두 CNN에 통과시키기 때문에 상당히 오래 걸림 - 객체의 비율 고려하지 않고 모두 같은 크기로 resize 2. SPPNet RCNN의 단점인 고정된 입력 이미지.. 2022. 4. 5. 이전 1 다음 728x90
