object detection

객체 검출(Object Detection)은 이미지나 영상에서 어떤 객체가 어디에 있는지를 식별하는 컴퓨터 비전의 핵심 과제 중 하나다. 최근까지도 객체 검출 모델은 R-CNN 계열이나 YOLO 계열처럼 복잡한 구조와 후처리 단계를 포함한 방식이 주를 이뤘지만, DETR(Detection Transformer)은 이 흐름에 큰 전환점을 만들어냈다.DETR은 Transformer 구조를 기반으로 앵커 박스 없이, 후처리 없이, 객체 검출을 End-to-End로 학습하고 예측할 수 있도록 만든 모델이다.1. DETR 핵심 아이디어 기존의 객체 검출 모델들은 수많은 앵커 박스를 기반으로 후보 바운딩 박스를 만들고, 그 중에서 높은 확률을 가진 것만 남기는 후처리 과정(NMS)이 필요하다. 이러한 과정은 복잡할..

RPN(Region Proposal Network)은 Faster R-CNN(Region-based Convolutional Neural Network) 모델에서 제안된 네트워크로, 객체 검출에서 후보 영역(proposal)을 생성하는 역할을 한다. Faster R-CNN은 물체의 위치를 찾는 RPN과 물체를 분류하고 정확한 위치를 예측하는 후속 네트워크로 구성된다.RPN의 주요 특징 및 과정은 다음과 같다. 목적 : RPN의 주된 목적은 이미지에서 물체가 있을 가능성이 있는 위치를 찾아내어 후속 처리를 위한 후보 영역을 생성하는 것 Anchor Boxes : RPN은 각 위치에서 여러 크기와 종횡비를 가지는 일련의 anchor boxes를 정의하고, 이 anchor boxes는 물체의 위치와 크기에 대..

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, YOLO..

torchvision.ops torchvision.ops 에서는 computer vision 관련 각종 operator 들을 제공하는데, 그중에서 Bounding Box를 다루는 Box Operators를 소개한다. Detection 관련 코드를 만지다보면 bounding box를 다룰 일이 많은데, torchvision.ops 에서는 bactch 단위로 연산이 가능한 각종 기능들을 제공한다. * box 면적, box간의 iou, box format 변경, clip 등 수행 가능 테스트 box 3개를 정의하고 앞서 살펴본 box operator 기능들을 테스트 import numpy as np import cv2 import torch from torchvision.ops import * # boxes ..

안녕하세요! AI & Computer Vision Engineer 뭅즤입니다 👋 본 포스팅은 YOLOv5를 커스텀 데이터셋으로 학습 및 테스트해 보는 예제 코드를 설명하는 글인데요.처음 글을 작성했을 때보다 훨씬 더 쉽게 실습할 수 있도록 수정했으니, 참고 부탁드려요! 🤗📌 Object Detection  Object Detection(객체 검출)은 이미지나 동영상 속에 있는 여러 객체의 유형과 위치를 알아내는 기술이에요. 이 기술 덕분에 자율주행 자동차가 주변의 사람이나 차량을 인식하고, 보안 카메라가 의심스러운 물체를 감지하거나, 스마트폰 카메라가 사진 속의 특정 물체에 초점을 맞출 수 있는 거라고 볼 수 있죠! 객체 검출하면 많은 분들이 떠올리는 대표적인 모델이 바로 YOLO 모델일 거예요. ..

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..