고양이 두 잔

목차 이번엔 백본(Backbone)이다. 공부하면서 좀 더 알아야 할 것 같은 개념을 나를 위해 정리하는 글이기 때문에 너무 쉬울 수도 있다. 일단 백본이 뭔지 다시는 검색하지 않기 위해 정리한다. 시작! 1. 백본(Backbone)이란? 비전 인공지능, 특히 객체 탐지(Object Detection), 이미지 분류(Image Classification),  세그멘테이션(Segmentation) 같은 작업에서 자주 듣게 되는 용어가 있다. 바로 백본(Backbone)이다.백본은 신경망(Neural Network)에서 입력 이미지가 처음 들어와서 지나가는 부분,즉, 초기 단계에서 특징(Feature)을 뽑아주는 역할을 하는 기본 구조를 의미한다.쉽게 말하면, 이미지에서 중요한 정보를 걸러내는 기초 근육 같..

목차지난 글에서는 객체 탐지의 필수 평가요소인객체 탐지(Object Detection)에서는 프리시전(Precision), 리콜(Recall), mAP 등에 대해 알아보았다. 그러나 아직 넘어야 할 선이 있는데, 그것이 바로 후처리 과정! 그 과정에서 쓰이는 알고리즘이 바로 NMS(Non-Maximum Suppression) 알고리즘이다. 선요약하고 들어가자면, 이 알고리즘은 모델이 탐지한 결과 중 겹치는 박스들 중 가장 좋은 것만 남기고 나머지를 제거하는 과정이다. 이어지는 글에서는 적당한 예시를 들어, NMS가 왜 필요하고 어떻게 동작하는지 간단히 살펴본다. 객체 탐지 모델이 주는 결과는 어떤 모습일까? 객체 탐지 모델(YOLO, Faster R-CNN 등)이 이미지를 보고 예측을 하면, 다음과 같은..

목차 지난 글에서 컴퓨터 비전과 객체 인식에 대한 입문의 입문.. 정도 되는 개념을 알아보았다. 하지만 들을땐 그런가 보다 하고 들었는데 생각할수록 각종 지표의 개념과 의미가 헷갈려서.. 글을 하나 따로 작성해 보았다. 제발 내가 이 글을 적으며 이해에 도달할 수 있기를. 서론 객체 탐지(Object Detection) 모델의 성능을 평가할 때 자주 등장하는 지표가 있다. 바로 프리시전(Precision), 리콜(Recall), mAP(Mean Average Precision), F1 Score이다.이 지표들은 이론적으로 수식만 외우면 되는 것처럼 보이지만, 실제 상황에 적용해보려고 하면 막막할 때가 많다.그래서 이번 글에서는 간단한 예제를 들어 최대한 쉽게 설명해보려고 한다. 기본 개념: TP, FP,..