728x90 끄적끄적/딥러닝4 YOLO(You Only Look Once) v1 ~ v5 까지 비교 YOLO (You Only Look Once)은 실시간 객체 감지 알고리즘으로, 현재까지 다양한 버전이 출시되었습니다. 이에 대한 성능 비교는 YOLOv1부터 YOLOv5까지 설명하겠습니다. 버전 YOLO v1 YOLO v2 YOLO v3 YOLO v4 YOLO v5 출시년도 2016 2017 2018 2020 2020 입력 크기 448x448 416x416 416x416 or 608x608 608x608 640x640 클래스 수 20개 20개 80개 80개 80개 mAP 63.4% 78.6% 57.9%(COCO) 43.5%(COCO) 50.5%(COCO) 특징 기존의 객체 감지 알고리즘들과는 다르게 전체 이미지를 하나의 네트워크로 처리하여 실시간으로 객체를 감지할 수 있도록 구현되었습니다. 하지만, 작.. 2023. 3. 16. Centernet의 간단한 설명 CenterNet은 객체 검출(object detection)을 위한 딥러닝 알고리즘 중 하나입니다. CenterNet은 객체의 중심점(center point)을 예측하고, 이 중심점을 기준으로 객체의 바운딩 박스(bounding box)를 예측하는 방식을 사용합니다. 이 방식은 기존의 객체 검출 알고리즘 중 YOLO(You Only Look Once)와 SSD(Single Shot Detector)와 같은 알고리즘보다 더욱 정확하면서도 더욱 빠른 속도를 보여줍니다. 또한, CenterNet은 객체의 크기나 모양에 대한 제약이 적어서 다양한 객체를 검출할 수 있는 장점이 있습니다. CenterNet은 2019년에 발표된 논문 "Objects as Points"에서 처음으로 소개되었으며, 이후에도 다양한 .. 2023. 3. 16. SSD와 YOLO의 차이점은? SSD와 YOLO는 모두 컴퓨터 비전 분야에서 객체 검출(object detection) 작업에 사용되는 딥러닝 알고리즘입니다. 좀더 자세히 말하면 다양한 백본(mobilenet, resnet 등)과 연동하여 사용하는 헤드 입니다. 이 둘의 차이를 간단히 비교하면 아래와 같습니다. SSD는 "Single Shot MultiBox Detector"의 약자로, 이미지 내에서 물체를 검출하고 분류하는 작업을 동시에 수행하는 신경망입니다. SSD는 여러 다양한 크기의 박스를 생성하여 이미지에서 물체의 위치와 크기를 정확하게 예측하려고 시도합니다. 이를 통해 높은 정확도를 유지하면서도 빠른 속도로 물체를 검출할 수 있습니다. 반면에 YOLO는 "You Only Look Once"의 약자로, 이미지를 여러 개의 그.. 2023. 3. 16. YOLO(You Only Look Once) 버전 별 차이점 YOLO(You Only Look Once)는 딥러닝을 활용한 객체 검출 알고리즘으로, 여러 버전이 존재합니다. 각 버전별 차이점은 다음과 같습니다. YOLOv1: 초기 버전으로, 24개의 합성곱(Convolution) 레이어로 이루어져 있습니다. 여러 객체를 동시에 검출할 수 있으며, 높은 정확도를 보입니다. 하지만 작은 객체를 검출하는 데에는 한계가 있습니다. YOLOv2: 기존의 YOLOv1보다 성능이 향상된 버전입니다. Darknet-19 네트워크를 사용하고, Anchor Box라는 개념을 도입하여 작은 객체 검출 능력이 향상되었습니다. YOLOv3: YOLOv2에서 발전된 버전으로, 세부적인 디자인 변경과 추가적인 기능을 도입하여 정확도를 높였습니다. Spatial Pyramid Pooling(.. 2023. 3. 16. 이전 1 다음 728x90