티스토리 뷰

반응형

 

Deep Learning 을 이용한 Object Detection의 최신 논문 동향의 흐름을 살펴보면서

Object Detection 분야에 대해서 살펴보고,

구조가 어떤 방식으로 되어있으며 어떤 방식으로 발전되어 왔는지 살펴보고자 합니다.


Object Detection이란?

그림1. Object Detection

Deep Learning을 이용하는 Computer Vision Task 중에서 세 번째 그림에 해당이 됩니다.

 

Object Detection이란

여러 물체에 대해 어떤 물체인지 분류하는 Classification 문제

그 물체가 어디 있는지 박스를 통해 (Bounding box) 위치 정보를 나타내는 Localization 문제

둘 다 해내야 하는 분야를 뜻합니다.

 

쉽게 말해서

Object Detection = 여러가지 물체에 대한 Classification

+ 물체의 위치정보를 파악하는 Localization

이라고 할 수 있습니다.

Object Detection = Multi-Labeled Classification
+ Bounding Box Regression(Localization)

 

그림2. Object Detection 예시
그림3. Object Detection 예시

Object Detection은 자율주행자동차, CCTV Surveillance, 스포츠경기, 무인 점포 등등.. 많은 곳에 쓰입니다.

 

Classification과 Object Detection, Tracking 을 비교한 Survey 논문이 있어

처음 접해보는 사람은 읽어보면 좋을 것 같아 링크를 걸어 두겠습니다 ㅎㅎ

https://pdfs.semanticscholar.org/25a6/c5dff9a7019475daa81cd5a7f1f2dcdb5cf1.pdf

 

 

또 2014년 이후 Object Detection 관련 논문들을 잘 정리해 놓은 GIthub가 있어 이 역시 링크를 걸어두겠습니다!

https://github.com/hoya012/deep_learning_object_detection

 

 

 

Deep Learning을 이용한 Object Detection 분야를 관련 최신 논문들의 흐름을 통해 알아보도록 합시다!

 


1-Stage Detector VS 2-stage Detector

그림4. 1-Stage Detector vs 2-stage Detector 논문 흐름

Deep Learning을 이용한 Object Detection은 크게 1-stage Detector2-stage Detector로 나눌 수 있습니다.

가운데 수평 화살표를 기준으로 위 쪽 논문들이 2-stage Detector 논문들이고,

아래 쪽 논문들이 1-stage Detector 논문들입니다.

 

분홍색 네모로 표시한 논문들을 중심으로 논문리뷰를 진행하면서 Object Detection의 논문 흐름을 알아볼 예정입니다.

 

그림5. 2-stage Detector의 전체적인 구조 (출처 : hoya012 .github.io)
그림6. 1-stage Detector의 전체적인 구조 (출처 : hoya012 .github.io)

 

 

Object Detection문제는 앞에 말했듯이 물체의 위치를 찾는 Localization 문제와, 물체를 식별하는 Classification 문제를 합한 문제인데,

 

1-stage Detector는 이 두 문제를 동시에 행하는 방법이고

2-stage Detector는 이 두 문제를 순차적으로 행하는 방법입니다.

 

따라서 1-stage Detector가 비교적으로 빠르지만 정확도가 낮고

2-stage Detector가 비교적으로 느리지만 정확도가 높습니다.

 

2-stage Detector은 CNN을 처음으로 적용시킨 R-CNN부터

어쩌구 R-CNN (Fast R-CNN, Faster R-CNN ... )등의 R-CNN계열이 대표적입니다.

1-stage Detector에는 YOLO(You Look Only Once)계열SSD 계열 등이 포함이 됩니다.

 


 

아래는 Computer Vision분야 Major 학회들에서 소개되었던 Object Detection 논문들의 흐름입니다. (2019년 기준)

그림7. Object Detection 논문 흐름 (출처 : hoya012 github)

앞으로는 게시물에서는 Object Detection의 두 부류(?)의 대표주자 논문들과,

이를 뒤따라 성능을 향상시킨 논문들을 소개하면서

Object Detection분야에 조금 더 가까워 지는 시간을 갖도록 하겠습니다 :)

 

 

https://nuggy875.tistory.com/21

 

[Object Detection] 2. R-CNN : 딥러닝을 이용한 첫 2-stage Detector

저번 포스팅에서는 Object Detection의 전체적인 흐름에 대해서 알아보았습니다. [Object Detection] 1. Object Detection 논문 흐름 및 리뷰 Deep Learning 을 이용한 Object Detection의 최신 논문 동향의 흐름..

nuggy875.tistory.com

 

 

 

출처 : https://hoya012.github.io/blog/Tutorials-of-Object-Detection-Using-Deep-Learning-what-is-object-detection/

          https://pdfs.semanticscholar.org/25a6/c5dff9a7019475daa81cd5a7f1f2dcdb5cf1.pdf

          https://github.com/hoya012/deep_learning_object_detection

반응형
댓글
  • 프로필사진 익명 비밀댓글입니다 2019.08.05 15:58
  • 프로필사진 익명 비밀댓글입니다 2019.08.17 16:00
  • 프로필사진 초보 감사합니다 2019.10.13 18:09
  • 프로필사진 제이스핀 감사합니다 :) 2019.10.13 22:50 신고
  • 프로필사진 익명 비밀댓글입니다 2019.11.27 21:56
  • 프로필사진 익명 비밀댓글입니다 2019.12.03 01:03
  • 프로필사진 shic 제 비밀댓글에 답글 비밀댓글로 달아주셨는데 어떻게 보는지 모르겠어요 ㅠㅠ 2019.12.03 15:53
  • 프로필사진 제이스핀 로그인 하시고 댓글을 달아 주시면 비밀 댓글에 대한 답을 확인 하실 수가 있으십니다!

    비밀로 댓글 남겨주신 데에는 이유가 있으실 거라 생각하여
    로그인하시고 비밀댓글로 달아주시거나 이메일 하나 남겨 주시면 같은 답변 드리도록 하겠습니다 :)
    2019.12.03 16:17 신고
  • 프로필사진 익명 비밀댓글입니다 2019.12.03 16:31
  • 프로필사진 익명 비밀댓글입니다 2019.12.04 13:07
  • 프로필사진 TimChoi Object Detection 관련 논문의 흐름을 볼 수 있어서 많은 도움이 되었습니다.
    혹시 2020년 2월 현재 기준으로 가장 많이 또는 널리 사용되는 Object Detection 프레임워크가 어떤 것인지 알 수 있을까요? 또는 논문을 추천해주시면 감사하겠습니다. 제가 컴퓨터 비전쪽으로 입문한지 얼마되지 않아서요.
    2020.02.12 10:07
  • 프로필사진 제이스핀 https://paperswithcode.com/sota

    위 사이트에 가시면 현재 여러 분야 별 State of the art 성능의 논문과 코드를 확인하실 수 있습니다.
    최근에 흥미롭게 봤던 논문 중에는 구글에서 나왔던 EfficientDet 정도가 있습니다!
    2020.02.14 13:21 신고
  • 프로필사진 DJ.Shin Classification과 Object Detection, Tracking 을 비교한 Survey 논문 링크가 작동하지 않습니다 ㅠ 혹시 논문 제목을 좀 알수 있을런지요~ 2022.03.15 23:34
  • 프로필사진 제이스핀 답이 늦었네요.. 저는 잘 동작하는 것 같습니다!
    A Survey on Object Detection and Tracking Methods

    입니다. :)
    2022.04.01 15:06 신고
댓글쓰기 폼