반응형 전체 글75 mean Average Precision(mAP) Object detection에서 논문에서 자주 언급되는 모델의 성능평가지표이다. Precision / Recall Precision (Precision = TP / TP + FP) : 분류기의 성능평가지표로 사용하는 Precision-Recall 에서의 Precision과 같은 의미이다. 인식기 (object-detector) 가 검출한 정보들 중에서 Ground-Truth 와 일치하는 비율을 의미한다. 모델이 정답이라고 답한것들(위 그림의 파란 박스) 중, 실제로 맞은(TP) 비율 Recall (Recall = TP / TP + FN) : 실제 정답들(위 그림의 빨간 박스) 중에서 내가 정답이라고 말한 비율 definition AP는 precision과 recall을 그래프로 나타냈을 때의 면적이다... 2021. 4. 3. Non-maximum suppression(NMS) 영상처리에서의 blured된 edge를 찾는 과정에서나 딥러닝에서의 object detection 분야에서 자주 사용되는 중복 제거를 위한 과정으로 NMS를 사용하면 연산량을 줄이고, mAP도 올리는 성능향상을 보여준다고 한다. 1. image pixel case what is non - maximum suppression? : 중심 pixel을 기준으로 8-way의 pixel value들을 비교하여 중심 pixel이 가장 클 경우 그대로 두고, 아닐 경우 제거해주는 과정 Assume that an image with the pixel value below exists 중심 픽셀인 빨간 테두리 픽셀을 기준으로 8방향의 픽셀 값들을 비교했을 때 파란색 테두리 픽셀 값인 7이 가장 큰 것을 알 수 있다. 이.. 2021. 4. 3. R-CNN main Paper arxiv.org/pdf/1311.2524.pdf 1. Introduction feature이라는 것은 매우 중요하다. 기존의 visual recognition task는 ensemble 시스템을 구축하고 이 방법에 대한 사소한 변형만을 통해 개선시켰기에 성능 향상이 더디었던 상황이었다. 따라 visual recognition에 훨씬 더 유용한 feature를 계산하기 위한 multi-stage process에 대한 초점이 맞춰지게 되었고, 과거에 사용되었던 CNN을 사용하여 성능을 개선하자는 아이디어를 통해 R-CNN을 만들어냈다. single image를 region proposal로 만들어 pre-trained CNN에서 SVM을 통해 classification를 학습하는 과정과.. 2021. 4. 1. CNN main Paper www.researchgate.net/profile/Saad-Albawi/publication/319253577_Understanding_of_a_Convolutional_Neural_Network/links/5ad26025458515c60f51dbf9/Understanding-of-a-Convolutional-Neural-Network.pdf I. INTRODUCTION Convolutional Neural Network는 이미지 처리에서 음성 인식에 이르기까지 패턴 인식과 관련된 다양한 분야에서 획기적인 결과를 얻었다. CNN의 가장 유익한 점은 ANN에서 매개 변수의 수를 줄이는 것이다. 이러한 성과로 인해 ANN에서는 불가능했던 복잡한 작업을 해결하기 위해 더 큰 모델에 접근하.. 2021. 3. 30. Floor-SP Floor-SP: input: aligned(정렬된) panorama RGBD scans 1. find room segment 2. solve optimization problem to reconstruct a floorplan(평면도) graph as multiple polygonal loops 3. merges tnem into a 2D graph via simple post-processing heuristics(이후 처리 방법론) optimization: room-wise coordinate descent strategy(room-별 좌표하강 전략) object: sequentially solves shortest path problems to optimize the room structure. .. 2021. 3. 29. DRQN POMDP RL은 기본적으로 MDP로 문제가 정의된 상태(fully observered env)에서 maximize return를 달성하는 agent를 학습하는 것을 목표로 한다. 그러나 실제로 RL를 적용하려하는 많은 문제들은 문제해결에 필요한 모든 정보(MDP)를 관측할 수 없는 상태(partially obeservered env)이다. 이에 대한 정의로써 POMDP가 제시되었다. 기존에 우리가 알던 MDP는 S(state), A(action), P(transition), R(reward)로 나타낼 수 있다. 여기에 확장하여 POMDP는 Ω(observation)과 O(observation이 특정 state에서 관측될 확률)이 추가 된다. 일반적인 POMDP 상황에서는 Q value-function을.. 2021. 3. 25. 이전 1 ··· 7 8 9 10 11 12 13 다음 반응형
