CS 공부/AI

[Object Detection] Overview

imsmile2000 2023. 5. 2. 14:35

Object detection의 역사

 

 

Object Detection 평가 방법


성능

  • mAP (mean average precision): 각 클래스당 AP의 평균
    • Confusion matrix: TP, FN, FP, TN에 대한 matrix
    • Precision & Recall
      • Precision = TP / (TP+FP) = 모든 Detection 중에 맞은 것의 비율
      • Recall = TP / (TP+FN) = 모든 Ground Truth(정답) 중에 맞은 것의 비율
    • PR curve: Precision & Recall curve, 누적 TP와 FP를 통해 Precision과 Recall 예측
      • x축은 Recall, y축은 Precision
      • AP: PR curve의 아래 면적이 AP
    • IOU: TP와 FP 판단 방법, Ground truth와 모델의 예측 box의 교집합 / 합집합
      • IOU 40이 기준이면 IOU 60 =True, IOU 30 = False
    • mAP50: IOU 50이 기준
    • mAP70: IOU 70이 기준

 

속도

  • FPS (Frames Per Second): FPS가 클수록 빠름

 

  • FLOPs(Floating Point Operations): 모델이 얼마나 빠르게 동작하는지 측정하는 metric
    • 연산량 횟수(곱셈, 덧셈, 뺄셈)
      • 채널별 계산: Cin * Cout
      • Kernel 계산: K*K
      • 높이 너비 별 계산: Hout * Wout
      • Convolution layer Flops= 채널별 계산 * 커널 계산 * 높이 너비 별 계산
    • FLOPs가 작을수록 빠름

 

Library

  • MMDetection: pytorch 기반 object detection 오픈소스
  • Detectron2: 페이스북 AI 리서치 라이브러리, object detection과 segmentation 알고리즘 제공
  • YOLOv5: coco 데이터셋으로 사전 학습된 모델, colab, kaggle, Docker, AWS 등에서 오픈소스 제공
  • EfficientDet: EfficientNet을 응용해 만든 object detection 모델, tensorflow로 제공되는 efficientDet 사용 가능

 

Object Detection Domain 특성

  • 통합 라이브러리 부재
  • 복잡한 파이프라인
  • 높은 성능을 내기 위해서 무거운 모델 사용
  • 해상도가 성능에 영향을 많이 끼쳐 사진의 크기가 큼