Batch Normalization > 없어서 사용 못함
High resolution classifier > 448x448 을 테스트 에서 사용했다 train 한 크기는 224x224이다. 고 해상도...
Multi-scaling Training 으로 좋아짐...
Google Net 대신 Darknet-19(본인이 만듦)으로 Transfer Learning 자리에 배치시켰다.
anchor box로 인해 ver1에서 ver2로 큰 향상을 이뤘다.
416사이즈가 들어온 이유 :
맨 마지막단 보면 13 x13 이잖아요 보통 물체가 가운데에 있는데 홀수로 만들면 한 셀에 물체가 들어올 확률이 높기때문에,,, 짝수가되면 4개의 셀에 겹칠수가 있잖아요
마지막에 13x13x125가 나온다.
ver1는 7 7 30 이엇다. ver2는 13 13 125 이다.
사이즈가 들어나서 생긴 이점은 그리드셀이 더 촘촘해졌다 그리드 박스를 5개 만든다.
ver 1 은 2개 만들고 ver 2 는 5개 의 그리드 박스 그리고 뒷 부분엔 어떤 물체인지에 대한 정보가 들어간다.
ver1 , ver2 에서 입력하는 이미지 사이즈가 다르게 바뀌었다 ver2 는 448로 인풋과 아웃풋이 같음.
crop으로 이미지를 잘라서 정 사각형으로 만들어 온다. 위와같이 분홍박스생각하면됨.
crop 후에 resizing 한다.
ver1 인 경우 224 224 으로 만들어준다. >> 224로 resizing 한걸 train에 씀
ver1 인 경우 448 448 으로 만들어준다. >> 448로 resizing 한걸 test에 썻다.
ver2 인 경우 448 448 으로 만들어준다. >> 448로 resizing 한걸 train에 씀
ver2 인 경우 448 448 으로 만들어준다. >> 448로 resizing 한걸 test에 썻다.
결론 두개다 448로 test해서 Accuracy를 높혔다.
(ver2도 train을 224로 하다가 마지막에 448로 바꿔서 함 논문 찾아보기.)
Anchor는 Cheating (야비한 방법이긴 하지만 inference에 성능 감소가 없다.)
Anchor는 Cheating는 cocodataset에서 미리 답지를 보고 각 데이터들의 사이즈를 얻어낸다.
이런식으로 cocodataset들의 사이즈를 가져와서 그 사이즈를 토대로 물체를 찾는다.
일상 생활 데이터를 가져왔으므로 real world에서 사용해서 inference score가 낮지 않게 나온 이유중 하나일것이라고 추측한다.
위와같은 방법으로 version 2에서 5개의 사이즈를 가져와서 사용한 것이다.
1차 가안을 가지고 수정하는 방식으로 바운더리 박스를 그려서 성능이 많이 높아짐.
mAP 7%향상 되었다. Recall이 낮은 부분을 높혀주었다. 그래서 ver2에서 anchor가 중요함.
Multi-Scaling
Warming up
version2 에서는 앵커를 5개 사용한다.
13 13 125 에서 채널이 125개 이므로 아래와 같은 사진이 나온다.
Multi-Scaling = 네트워크에 들어오면 입력 이미지 사이즈를 다양하게 줄수있다.
비율로 계산 되기때문에 Bbox의 크기는 output의 이미지 사이즈가 커도 Bbox의 크기에는 영향이 없다.
MaxPooling으로 사이즈를 줄였다.
또한 output의 32의 배수로 input이 결정된다.
448 > 14 = 14는 최종 출력값의 사이즈이다.
416 > 13 = 13또한 최종 출력값의 사이즈이다.
멀티스케일링을하는 이유는
crop resizing을 시켜서 해상도를 1.2배 높혀준다.
홀수가 왜 좋은지 알아보자 13 13 일때 14 14 일때를 한번 살펴보자.
결론은 이미지의 센터를 잡기 위해서 이미지를 홀수로 잡게 되는 것이다.
이미지의 크기가 짝수 일 경우 Confidence Score가 4곳으로 쪼개어 나온다.
그러므로 출력 이미지의 크기가 홀수가 나와야한다.
version 2 가 빠른이유
1. DarkNet - 19 사용
2. Recall을 7% 향상 - Anchor 사용
3. Multi Scaling을 사용해서 해상도를 향상 시킨다.
'workSpace > PYTHON' 카테고리의 다른 글
[DL] Object Detection YOLO V3 (0) | 2021.02.09 |
---|---|
윈도우에서 우분투 설치하는 블로그 (0) | 2021.02.08 |
[DL] Object Detection YOLO V1 (0) | 2021.02.08 |
[DL] MP (0) | 2021.02.07 |
[DL] Object Detection (0) | 2021.02.05 |