[딥러닝] Yolo 모델 개요

2023.08.31 작성(https://sujungeee.github.io/posts/ai-DeepLearning-yolo-2/)

 

※ 본 포스팅은 인프런 “YOLO 구현으로 배우는 딥러닝 논문 구현 with TensorFlow 2.0” 을 참고하여 작성하였습니다.

 

✅ YOLO 모델 리뷰

YOLO이미지를 한 번만 보고 바로 Object Detection 수행

• YOLO 모델의 기본 컨셉이미지를 SXS Grid Cell 로 나누고 Grid Cell 별로 B 개의 Bounding Box 를 예측
• YOLO 모델의 최종 OutputS X S X (5*B + C)
  1. x: grid cell 내의 x 위치(0-1 사이의 값)
  2. y: grid cell 내의 y 위치(0-1 사이의 값)
  3. w: 전체 이미지 대비의 width(0-1 사이의 값)
  4. h: 전체 이미지 대비의 height(0-1 사이의 값)
  5. confidence: 이미지 내에 Object 가 있을 것이라고 확신하는 정도(0-1 사이의 값)
  • S: Grid Cell SXS
  • B: Bounding Box 의 개수
  • C: Class 개수
    → 각 Class 는 Softmax Regression 확신의 정도를 나타냄
• 특징
  • 정확성은 낮지만
  • 속도(FPS) 는 향상

Bounding Box 개수: S X S X 2 개(의 20 dimension vector)
→ Non-Maximum Suppression
→ n 개의 Bounding Box 중 가장 대표성을 띄는 일부 Bounding Box 만 남겨짐

 

✅ Non-Maximum Suppression(NMS)

• Non-Maximum Suppressionn 개의 Bounding Box 중 필요한 부분만 남기는 선별 과정에 관련된 알고리즘
  • 동작 과정
    1. confidence ≤ 0.6 이하의 Bounding Box 를 제거(threshold 는 임의 지정)
    2. class 별로 confidence 가 가장 높은 Bounding Box 가 앞으로 오도록 전체 Bounding Box 를 내림차순 정렬
    3. 가장 confidence 가 높은 Bounding Box 와 나머지 Bounding Box 를 비교해서 2 개의 Bounding Box 의 IoU ≥ 0.5 라면 confidence 가 작은 Bounding Box 를 제거confidence 가 큰 Bounding Box 가 confidence 가 작은 Bounding Box 를 포함하므로 대표성을 띄는 Bounding Box 만 남겨놓기
    4. 제거되지 않은 Bounding Box 중에서 confidence 가 가장 높은 Bounding Box 와 나머지 Bounding Box 간에 3번 과정을 반복
    5. 3,4 과정을 전체 Bounding Box 에 대해서 진행
    6. → score 가 0 이상인 Bounding Box 만을 남겨두어 draw
    7. 2,5 과정을 전체 class 에 대해서 진행

⇒ 대부분의 Object Detection 알고리즘의 마지막 Processing 과정에서 사용됨

 

✅ 일반적인 딥러닝 논문 구성 및 논문 읽는 법

• Abstract: 논문의 전체적인 컨셉을 요약 설명
• Introduction: 논문의 아이디어 전개 방식 등에 대한 설명
• Method: 논문의 기법에 대한 설명
  • Model
  • Loss
  • Techniques: 새롭게 도입한 기술 설명
• Experiment: 논문의 기법의 성능에 대한 평가
  • SOTA: 현재 가장 좋은 성능이라고 평가 받는 모델
  • e.g) 논문에서의 이 모델이 Experiment 하였을 때 SOTA 이다 → 라는 뉘앙스의 전개 방식
• Conclusion: 논문의 내용을 정리 및 향후 연구 방향 제시

⇒ 읽는 순서: Abstract, Conclusion → Introduction, Experiment → Method