![]()
Classification 모델의 성능을 알아보기 위해서는 precision과 recall,accuracy 개념들이 필요하다. True Positive(TP) : 모델이 True라고 예측한(positive) 실제 정답이 true->맞춰서 True False Positive(FP) : 모델이 True라고 예측한(positive) 실제 정답이 false->틀려서 false Flase Negative(FN) : 모델이 false라고 예측한(negative) 실제 정답이 true->틀려서 flase True Negative(TN) : 모델이 false라고 예측한(negative) 실제 정답이 false->맞춰서 True 1.precision(정밀도) 정밀도란 모델이 True라고 분류한 것 중에서 실제 True인..
![]()
들어가기전에 object proposal end to end 학습 Abstract. 단일의 deep neural network로 object detection을 구현했습니다. SSD라고 불리는 접근법은 다양한 크기와 비율을 가진 default box들로 각 feature map에서 bounding box를 뽑아냅니다. predict를 할 때는 네트워크가 각 default box가 각각의 사물 카테고리에 속하는 score와 사물 모양에 잘 맞는 box를 만들어 냅니다. 게다가, 다양한 크기를 가지는 사물을 매끄럽게 변환한 다양한 feature map들을 결합하여 predict에 사용합니다. 쉽게 보면 object proposal들을 사용하는 방법들과 다릅니다. 그 이유는 proposal을 생성하는 부분과 ..
![]()
논문 링크: https://arxiv.org/pdf/1904.02689.pdf 용어정리 - Instance Segmentation semantic segmentation은 분할의 기본 단위를 클래스로 하여, 동일한 클래스에 해당하는 사물을 예측 마스크 상에 동일한 색상으로 표시한다. 반면 Instance Segmentation은 분할의 기본 단위를 사물로 하여, 동일한 클래스에 해당하더라도 서로 다른 사물에 해당하면 이들을 예측 마스크상에 다른 색상으로 표시한다. 출처: http://research.sualab.com/introduction/2017/11/29/image-recognition-overview-2.html https://byeongjokim.github.io/posts/YOLACT,-Rea..
