Overview

object detecion의 개념, 적용분야, history, evaluation, libarary에 관해 간략히 정리한 글입니다.

 

Object Detection

객체의 영역과 클래스를 예측하는 Task

자율주행과 OCR, 의료와 같은 분야에서 많이 사용된다.

 

 

History

object detecion의 대략적인 history는 아래 그림과 같다.

 

Evaluation

1. performance

• mAP (mean average precision)
  각 클래스당 AP의 평균
  • confusion matrix
  • Precision
  • Recall
  • PR Curve
    confidence 기준으로 내림차순하고 누적 TP,FP를 기준으로 precision, recall 를 계산한 표로 작성한 그래프
    

해당 그래프는 클래스 하나의 AP를 계산한 것이므로 mAP는 모든 클래스의 AP를 평균낸 것

• IOU(Intersection Over Union)
  IoU의 값에 따라서 precision, recall 값이 달라진다.

2. speed

• FPS(Frames Per Second)
  초당 처리할 수 있는 frame수
  클수록 모델의 처리속도가 빠르다고 생각하면 된다.

 

• FLOPS(Floating Point Operations)
  model이 얼마나 빠르게 동작하는지 측정하는 metric
  연산량 횟수 (곱하기, 더하기, 빼기 등)
  
  

Library

1. mmdetection

• pytorch 기반의 오픈소스
• 많은 연구들이 해당 라이브러리를 기반으로 연구 수행

 

2. Detectorn2

• Meta AI 리서치의 라이브러리로 pytorch 기반의 오픈소스
  
  

3. YOLOv5

• coco 데이터셋으로 사전학습된 모델로, 수천 시간의 연구와 개발에 걸쳐 개발된 모델
• Colab, Kaggle, Docker, AWS, Google Cloud Platform 등에서 오픈 소스를 제공