Region proposal: R-CNN
- 정확히 내용을 이해하지는 못했지만.. 맨 우측과 같이 Segmentation Algorithm에 대한 이야기를 하신 것 같습니다.
- 기존의 sliding window 방식을 떠올려보면 실제로 object(객체)가 존재하지 않는 수많은 지역에 대해서 연산이 수행됩니다. 굉장히 비효율적이라는 뜻이죠.
따라서 어떤 객체가 존재할만한 지역에 대해서만 sliding window를 적용할 수 있도록 하면 훨씬 빠른 연산이 가능할 것입니다. - 맨 우측 사진의 박스, 즉 각 블록이 실제로 sliding window의 대상이 되는 것입니다.
이 블록은 대략 2,000여개 정도까지 반영된다고 합니다.
물론 그것보다 적을 수도 있겠지만요.
- 기존의 sliding window 방식을 떠올려보면 실제로 object(객체)가 존재하지 않는 수많은 지역에 대해서 연산이 수행됩니다. 굉장히 비효율적이라는 뜻이죠.
Faster algorithms
- 객체 탐지와 관련하여 더 빠른 연산이 가능하도록 고안된 알고리즘과 관련된 내용입니다.
관심이 있다면 논문을 읽어보는 것도 좋을 듯합니다.
출처: Coursera, Convolutional Neural Networks, DeepLearning.AI
'Convolutional Neural Networks > 3주차' 카테고리의 다른 글
| Transpose Convolutions, U-Net Architecture Intuition (0) | 2023.04.01 |
|---|---|
| Semantic Segmentation with U-Net (0) | 2023.04.01 |
| YOLO Algorithm (0) | 2023.03.31 |
| Anchor Boxes (0) | 2023.03.31 |
| Intersection Over Union, Non-max Suppression (0) | 2023.03.31 |
