DY N DY

오래간만의 포스팅. 요즘 딥러닝을 이용한 여러 Object Detection 알고리즘을 구경하는데, 대부분 NMS (non-maximum suppression)을 사용하여 연산량을 줄이고, mAP도 올리는 효과를 본다고 한다. 물론 필수로 필요한 것은 아니나 확실히 성능향상에 도움이 되는 것 같다. 사실 생각해보면 별건 아니었는데, 예전 영상처리에서 특히 canny edge detector같은데서 보았던 NMS와 헷갈려서... 이해하는데 시간이 꽤나 걸렸다. 사실 비슷한? 거의 동일한 방법인데, 픽셀이나 바운딩박스냐에 따라 나뉘는 것 같다. 일반적으로 영상에지를 찾기 위한 NMS는 현재 픽셀을 기준으로 주변의 픽셀과 비교했을 때 최대값인 경우 그대로 놔두고, 아닐 경우(비 최대) 억제(제거)하는 것이다...

앞서 우분투에 darknet을 설치했다면 (http://dyndy.tistory.com/245)이제 yolo를 사용해 볼 수 있다. 이해한 바로는 darknet은 단지 neural network framework일 뿐이고 여기서 각종 RNN, CNN등의 복잡한 분류 알고리즘을 이미 학습된 weight값과 신경망 연산을 통해서 이루어진다고 한다.그중 유명한 것이 CNN을 이용한 AlexNet이 있는데 이것도 darknet에서 사용해볼 수 있다. (CUDA가 있어야 빠를 것 같다.) 여기선 그런 여러가지 deep learning 알고리즘 중 하나인 YOLO라는 것을 사용해 볼 것이다. YOLO는 single neural network를 사용하기 때문에 엄청 빠르다는 장점이 있다고 하는데... (http://..