Pay it Forward

요약 - image detection을 위한 알고리즘 - one stage method에 속하는 알고리즘 한 번에 image detection을 완료한다 - single NN image를 input으로 받아서 하나의 신경망(single NN)을 통과하면 물체의 bounding Box와 해당 물체의 class를 output으로 내놓는다. Regression으로 bounding Box와 그 물체의 종류를 동시에 파악하고자 했다. - 장점 빠르고 좋은 정확도를 가지며 여러 도메인에서도 좋은 성능을 보인다 - 단점 object가 겹쳐있으면 제대로 예측이 안된다. 학습정도와 이미지 크기에 따라서 따라 모델의 성능이 크게 달라진다. (이미지 크기에 따른 단점은 YOLO v3에서 개선된다.) 전체적인 모델 구성 전체..

수많은 ML 분야 중에서도 Object Detection 분야의 논문에서 자주 등장하는 모델의 성능평가지표인 mAP. 아직은 계속 용어가 헷갈리고 의미가 불확실해 정리해보았다 mAP (mean Average Precision) AP는 precision과 recall을 그래프로 나타냈을 때의 면적이다. precision : 모델이 정답이라고 답한것들(아래 그림의 파란 박스) 중, 실제로 맞은(TP) 비율 recall : 실제 정답들(아래 그림의 빨간 박스) 중에서 내가 정답이라고 말한 비율 각 class마다 한 AP를 갖게 되는데 모든 class의 AP에 대해 평균값을 낸 것이 바로 mAP(mean AP)이다. 즉, 모든 class에 대하여 Precision/Recall의 값을 avg취한 것이라고 볼 수 ..