24.07.01 10:08 작성
·
93
답변 1
0
2024. 07. 02. 09:10
안녕하십니까,
강의를 잘 듣고 계시다니, 저도 기쁩니다. ^^
1번 질문은 제가 질문을 잘 이해하지 못했습니다. 좀 더 자세하게 질문 내용 부탁드립니다.
2번은
=> 네, 일반적으로 대부분 딥러닝 이미지 모델에서는 해당 공간을 padding 0으로 처리합니다.
감사합니다.
2024. 07. 02. 09:53
음, 여전히 잘 이해하지 못했습니다만, 먼저...
SPP는 기존의 RCNN에 SPP Layer가 하나 더 있는 거라고 생각하시면 됩니다. 기존 RCNN Feature Map을 SPP 기반으로 Vector 형태로 변경하는 방식이 추가된 것 입니다.
그리고 학습시에는 RCNN과 마찬가지로 Selective Search로 검출된 오브젝트 영역과 Annotation에 있는 오브젝트들 중에서 IOU가 특정 IOU 이상인(가령 0.5) 오브젝트들에 대해서 학습시 비교하여 모델을 학습하는 방식입니다.
질문에서
SPP를 통해서 padding 된 이미지를 가지고 Annotation 파일의 정보와 비교해서 유사도를 측정할텐데 Annotation안에 있는 모든 구역의 정보와 비교하는 것인가요?
=> 이 질문이 모든 구역이 아닌, 특정 IOU 이상인 오브젝트들에 대해서 학습한다라고 답변드리면 의도하신게 맞는지 모르겠습니다.
2024. 07. 02. 13:39
아 이해가 되었습니다.
"그리고 학습시에는 RCNN과 마찬가지로 Selective Search로 검출된 오브젝트 영역과 Annotation에 있는 오브젝트들 중에서 IOU가 특정 IOU 이상인(가령 0.5) 오브젝트들에 대해서 학습시 비교하여 모델을 학습하는 방식입니다."
제가 여쭤본 질문은 굵은 글씨로 되어있는 부분입니다. annotation에 있는 오브젝트들 중에서 여러개를 모두 비교해 보는가? 라는 질문이었습니다. 혹 그렇다면 학습시킬 때 0.5가 IOU가 두개 이상되는 것이 있다면 어느 것으로 학습을 하게 되나요?
2024. 07. 02. 09:15
늘 친절하게 답변 주셔서 감사합니다.
애노테이션 파일 정보안에 예를 들어 3개의 오브젝트의 좌표와 label이 있다고 가정하겠습니다(사람, TV, 의자) 그러면 패딩된 이미지가 이 3가지의 좌표와 label을 모두 비교하는지 궁금합니다.