[論文コメント]YouOnly Look Once:Unified,Real-time Object Detection
3701 ワード
Object Detection
2-stage Detector
1-stage Detector
YOLO v1(You Only Look Once)
長所
Properties
統合検出:単一ニューロンネットワークを使用してオブジェクトを検出する
0. end-to-end training and real-time speed
1. divide input image in to S x S grid()
-グリッドセルの中央にオブジェクトがある場合は、オブジェクトが検出されたことを示します.
2. get bounding boxes and confidence scores from bounding boxes
-confidence scopse:ボックス内のオブジェクトのスコアを正確に検索および分類する方法について
- confidence=Pr(Object)∗IOUpredtruthconfidence = Pr(Object) * IOU^{truth}_{pred}confidence=Pr(Object)∗IOUpredtruth
3.枠線情報:x,y,w,h,confidence
-x,y:座標
-w,h:box情報
- confidence : IOU between the predicted box and ground-truth box
4.各メッシュユニットで各クラスの条件確率を求める
-分類オブジェクトpr(Class i}|オブジェクト)pr(Class Object):メッシュ単位がオブジェクトを含む確率
-最終予測値:S x S x(B*5+C)
- ![](https://miro.medium.com/max/630/1*YG6heD55fEmZeUKRSlsqlA.png)
Network Architecture
Training
Properties
Loss function
Parameters
Limitation
Fast YOLO : fewer layers, fewer filters but training, testing parameters are same -> HOW COME????
リファレンス
Reference
この問題について([論文コメント]YouOnly Look Once:Unified,Real-time Object Detection), 我々は、より多くの情報をここで見つけました https://velog.io/@0525stone/논문-리뷰You-Only-Look-Once-Unified-Real-Time-Object-Detectionテキストは自由に共有またはコピーできます。ただし、このドキュメントのURLは参考URLとして残しておいてください。
Collection and Share based on the CC Protocol