반응형

YOLOv5 6

[Object Detection] YOLO Define Optimal Anchor Box :: YOLO v5, YOLO v6 autoanchor

YOLO에서 Optimal 한 Anchor Box 정의하는 방법(with k-means & GA) in YOLOv5, YOLO v6 YOLO 에서 Bounding Box를 예측하기 위해 Anchor Box를 사용하는데, 2-stage 기법에서는 COCO dataset이나 Pascal VOC dataset에 맞춘 Anchor Box를 그대로 사용한다면, YOLO에서는 학습하고자 하는 dataset에 맞는 Anchor Box를 k-means와 Genetic Altorithm으로 새로 정의하여 사용한다. 이번 포스팅에서는 YOLO v5, v6 개발자가 구현해놓은 코드를 기반으로 그 방법을 설명하고자 한다. 먼저 필요한 라이브러리들을 불러온다. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 1..

AI/Object Detection 2022.08.30

[Object Detection] YOLO v5, v6 Loss

지난시간에 Loss를 계산하기 위해 각 Grid 별로 Ground Truth를 정규화하는 과정을 알아보았다. 2022.08.04 - [AI/Object Detection] - [Object Detection] YOLOv5, YOLOv6 Loss 구하는 과정 중 build_targets() 이해하기 [Object Detection] YOLOv5, YOLOv6 Loss 구하는 과정 중 build_targets() 이해하기 YOLOv5와 YOLOv6는 같은 개발자가 개발한 버전으로, 두 버전 모두 여기에 구현되어 있다. 두 버전 모두 loss는 계산하는 과정은 같은데, loss를 계산하기 위해 label을 각 Grid에 맞게 build하는 과정을 파 leedakyeong.tistory.com 이제 그 결과와 ..

AI/Object Detection 2022.08.10

[Object Detection] YOLOv5, YOLOv6 Loss 구하는 과정 중 build_targets() 이해하기

YOLOv5와 YOLOv6는 같은 개발자가 개발한 버전으로, 두 버전 모두 여기에 구현되어 있다. 두 버전 모두 loss는 계산하는 과정은 같은데, loss를 계산하기 위해 label을 각 Grid에 맞게 build하는 과정을 파해쳐보려한다. YOLO v1 포스팅에 자세히 설명한 것 처럼 Ground Truth의 Center point가 위치하는 Grid를 표시하여 이로 Obj Loss를 구하고, GT의 Width, Height를 Grid에 맞게 Normalization 한걸로 Box Loss를 구한다. build_targets()는 이를 구현하는 과정이다. 이를 이해하려면 YOLO는 1. grid를 나누어 각 grid별로 classification과 BBox Regression을 하고, 따라서 각 gr..

AI/Object Detection 2022.08.04

[Object Detection] YOLO v1 ~ v6 비교(2)

YOLO Version별 비교 지난 포스팅에서 YOLO v1~v3를 비교&리뷰했다. 2022.06.23 - [AI/Object Detection] - [Object Detection] YOLO v1 ~ v6 비교(1) [Object Detection] YOLO v1 ~ v6 비교(1) YOLO Version별 비교 지난 포스팅에서 Object Detection 알고리즘 중 YOLO v1에 대해 자세히 알아보았다. 2022.04.04 - [AI/Object Detection] - [Object Detection(객체 검출)] YOLO v1 : You Only Look Once [Ob.. leedakyeong.tistory.com 이번에는 v4~v6에대해 리뷰하겠다. YOLO v4 :: Optimal Spe..

AI/Object Detection 2022.06.23

[Python] Object Detection Mosaic Augmentation :: YOLO v5

Mosaic 이란? Mosaic 기법은 Image Augmentation 기법 중 하나로, 4장의 이미지를 한 장으로 만드는 기법이다. 예를 들면, 다음 4장의 이미지를 다음과 같이 한 장으로 만든다. 각 이미지의 사이즈는 random하게 하여 자유도를 준다. 따라서 전체 이미지가 모두 포함되지 않을 수도 있다. (빨간색 박스는 Ground Truth이다. 알아보기 좋게 같이 그렸다.) 이 기법은 이미지 사이즈가 작아져, 작은 물체가 많아지므로 작은 물체를 Detect하기 어렵다는 YOLO의 단점을 극복 할 수 있도록 도와주며, 1장의 이미지로 4장의 이미지를 학습하는 효과를 주어 적은 batch size로도 학습이 용이하도록 해준다. YOLOv5에 저자가 직접 구현해 놓은 Mosaic 기법을 조금 변형..

AI/Object Detection 2022.06.09

[Python] mAP(mean Average Precision) 예시 및 코드

지난 시간에 Object Detection에서 사용하는 여러 용어들을 정리해 보았다. 그 중 mAP도 있었는데, 오늘은 그 mAP를 계산하는 코드에 대해 설명해보려 한다. 실제 yolo v5 저자가 올려놓은 코드로 설명한다. 2022.03.31 - [AI/Object Detection] - Object Detection이란? Object Detection 용어정리 Object Detection이란? Object Detection 용어정리 Object Detection이란? Object Detection은 말 그대로 물체를 검출하는 문제이다. 딥러닝으로 이미지 관련 무언가를 한다면 대체로 다음과 같다. 1. Classification 가장 기본이 되는 문제이다. 이미지가 주어 leedakyeong.tist..

AI/Object Detection 2022.06.08
반응형