이번 리뷰 논문은 Yolo v3입니다. 이미 워낙 유명한 Yolo 라서 그저 참고용으로만 봐주시길 바랍니다. 논문 시작에 앞서, IOU와 mAP에 대해 설명하겠습니다. IOU & mAP - IOU : 쉽게 말해서, 내가 예측한 박스가 정답 박스와 얼마나 유사한지를 측정하는 metric 입니다. - mAP : 위 IOU를 평가하는 metric이 mAP 입니다. Introduction - Tech Report : 논문의 저자들은 v3는 논문이 아니라, Tech Report라고 합니다. 엄청 super interesting 한 것은 아니고, 작은 변화들을 모아 더 나은 모델로 발전시켰다고 합니다. - Better, Not Faster, Stronger(?) : v2보다 모델이 무거워져서 더 빨라지진 않았으나 ..
목차 0. Abstract 1. Introduction 2. Unified Detection 3. Network Design 4. Loss 5. Limitations of YOLO 6. Result Abstract - 2-stage Detector : localization과 classification 두 과정을 거쳐 객체를 Detection 함 장점 : 정확도 단점 : 느린 속도 - 1-stage Detecor : 논문에서는 두 과정을 한번에 처리하는 방법을 제시하여 fps(초당 처리하는 frame 수)를 더욱 빠르게 하였다고 함 Introduction - YOLO v1은 localization과 classification을 하나의 문제로 정의하여 network가 동시에 두 task를 수행하도록 설계함..
이제 다시 darknet 디렉토리로 돌아와서, mkdir custom_data 사용할 폴더를 하나 만들어준다. custom_data/custom.names custom_data/images custom_data/train.txt (= text.txt) custom_data/custom.data 폴더에는 위 4개의 파일이 필요하다. 우선, 1. 첫번째 names 파일은 이전 포스팅에서 convert2Yolo 하는 과정에서 만들어 준 것을 해당 폴더로 mv 명령어를 통해 옮긴다. 2. 두번째 images폴더는 이미지파일(jpg)과 annotation(txt파일)이 같은 파일명으로 존재해야 폴더이다. 예를들면 000038_cam.jpg, 000028_cam.txt가 세트로 존재해야 한다. a..
yolo 개발환경 ubuntu 18.0.4 Lts CPU Xserver 0. OPENCV 설치 // 기존 opencv 삭제 sudo apt-get remove libopencv* sudo apt-get autoremove sudo find /usr/local/ -name "*opencv*" -exec rm {} \; // 아무것도 안뜨면 정상 // 업그레이드 sudo apt-get update sudo apt-get upgrade // 개발자 도구 및 각종 라이브러리 설치 sudo apt-get install build-essential cmake unzip pkg-config //for compiling sudo apt-get install libjpeg-dev libpng-dev libtiff-d..
