[Object Detection] YOLO의 모든것 - YOLO란?

YOLO (You Only Look Once)

• 가장 빠른 객체 검출 알고리즘 중 하나
• 256x256 사이즈의 이미지
• 파이썬, 텐서플로 기반 프레임워크가 아닌 C++로 구현된 코드 기준 GPU 사용 시, 초당 170 프레임
• 작은 크기의 물체를 탐지하는데는 어려움

YOLO 아키텍처

• 백본 모델 기반
• 특징 추출기라고도 불림
• YOLO는 자체 맞춤 아키텍쳐 사용하며 3개의 스케일(작은 객체, 중간 객체, 큰 객체)을 학습

Scale 1, 2, 3

• 어떤 특징 추출기 아키텍쳐를 사용했는지에 따라 성능 달라짐

• 마지막 계층은 크기가 w×h×D인 특징 볼륨 출력
• w×h는 그리드의 크기이고, D는 특징 볼륨 깊이

YOLO 계층 출력

• 마지막 계층 출력은 w×h×M 행렬
  
  
  • M = B × (C + 5)
  • B : 그리드 셀당 경계 상자 개수
  • C : 클래스 개수
• 클래스 개수에 5를 더한 이유는 해당 값 만큼의 숫자를 예측해야함
  
  
  • tx, ty는 경계상자의 중심 좌표를 계산
  • tw, th는 경계상자의 너비와 높이를 계산
  • c는 객체가 경계 상자 안에 있다고 확신하는 신뢰도
  • p1,p2,...,pC는 경계상자가 클래스 1, 2, ..., C의 객체를 포함할 확률
  • Objectness Score : 바운딩 박스에 객체가 포함되어 있을 확률

앵커 박스

• YOLOv2에서 도입
• 사전 정의된 상자
• 객체에 가장 근접한 앵커 박스를 맞추고 신경망을 사용해 앵커 박스의 크기를 조정하는 과정때문에 tx,ty,tw,th이 필요

Refine

 

 

 

참고자료

 

객체 탐지 Object Detection - YOLO의 모든것 / 포트홀 탐지, 연기 탐지, 안전모 탐지, 주차공간 탐지

https://youtu.be/fdWx3QV5n44