NMS : 여러개의 바운딩 박스중 불필요한 박스를 제거, 압축해 하나의 바운딩 박스가 나오게 해야된다 ... 하지만 이 박스들은 전체 아키텍쳐를 복잡하게 만들어서 간단한 아키텍쳐를 만들기 위해 이분매칭을 이 논문에서 사용했다.
이분매칭
set prediction problem을 직접적으로 해결한다 (NMS을 사용 x 이분매칭 사용 o)
그래서 각 객체의 갯수만큼 n개 만큼 박스를 셋한다. 그래서 1:1 매칭을 할 수 있도록 한다.
바운딩 박스의 크기와 객체의 정보와 비슷한거 끼리 매칭이 된다.
만약 잘못 연산된 박스가 생기게됬을떈 객체가 없으므로 0의 값이 나오기 때문에 바운딩박스가 나타나지 않는다.
N 값을 크게 크게 설정해줘야 한다. 이유는 객체를 놓칠수 있기 때문이다. 이미지에 존재할수 있는 100 200개의 객체가 있다하면 300정도 설정해줘야한다.
참고
Facebook AI Blog ai.facebook.com/blog/end-to-end-object-detection-with-transformers/
Author's Youtube www.youtube.com/watch?v=T35ba_VXkMY
Official Code github.com/facebookresearch/detr
test Video www.youtube.com/watch?v=Na3BXdGHREw
'workSpace > PYTHON' 카테고리의 다른 글
[openCV] 이진 영상 처리 (0) | 2021.02.16 |
---|---|
[openCV] harrcascade train 시키기. (0) | 2021.02.16 |
ReLU 참고 사이트 (0) | 2021.02.10 |
Final Logic (0) | 2021.02.09 |
[DL] Object Detection YOLO V3 (0) | 2021.02.09 |