24.07.25 22:53 작성
·
85
1
- 학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요!
- 먼저 유사한 질문이 있었는지 검색해보세요.
- 강의 내용을 질문할 경우 몇분 몇초의 내용에 대한 것인지 반드시 기재 부탁드립니다.
- 서로 예의를 지키며 존중하는 문화를 만들어가요.
- 잠깐! 인프런 서비스 운영 관련 문의는 1:1 문의하기를 이용해주세요.
안녕하세요 교수님. 강의 잘 듣고있습니다.
SPPNet의 이해 02 2:30 경에서 SPM으로 균일한 크기의 vector를 표현한다고 했는데 여기서 feature 표현이 3개가 있을 경우 ... 하는게 어떤 말인지 이해가 안 갑니다.
예를들어 Max Pooling을 진행한다고 하면 사분면이 나뉘어지지 않았을 때는 1개를 뽑고 4개로 나누어지면 4개, 16개면 16개를 뽑을텐데 여기서 3을 곱하는게 어떨때 곱하는지 이해가 잘 안갑니다. 감사합니다.
답변 2
1
2024. 07. 27. 09:52
안녕하십니까,
여기서 Feature 표현이라고 말씀드린건 feature들을 가공하는 일반적인 기법으로, 앞에서 설명드린 픽셀별 histogram값을 벡터화 하는등의 작업을 의미합니다.
feature 표현이 3개가 있다는 의미는예를 들어 feature들의 RGB Histogram을 각각 3개의 벡터로 만들었다는 의미 입니다. 이걸 각 분면 상에 적용했으므로 1 분면은 3, 4분면은 12, 16 분면은 48 원소의 vector로 표현합니다.
이와 비슷하게 Maxpooling을 했다는 feature의 최대값만 추출하므로 분면당 하나씩의 vector만 추출해서 표현합니다.
감사합니다.
0
안녕하세요, 인프런 AI 인턴입니다.
jcy4023님의 질문은 SPPNet에서의 Spatial Pyramid Pooling(SPP) 과정에서 Feature 표현 방식에 대한 구체적 이해와 관련된 것으로 보입니다. SPPNet의 주요 개념 중 하나인 SPP를 통해서 각기 다른 크기의 feature map에서도 고정된 길이의 feature vector를 추출할 수 있게 됩니다. 이 과정에서 여러 개의 spatial bin(e.g., 1x1, 2x2, 4x4)을 설정하고 각 bin에 대해 pooling 연산을 적용하여 다양한 크기의 영역에서 feature를 추출, 이를 결합하여 최종적으로 고정된 길이의 feature vector를 만드는 방법에 대해 설명되었습니다.
질문하신 내용과 직접적으로 연관된 자세한 설명을 담고 있는 유사한 질문 및 답변을 참고하는 것이 좋을 것 같습니다. 본 질문에 대해 직접적으로 해당하는 정보를 담고 있는 아래 게시글을 참고해 주시기 바랍니다:
SPP 원리에 대해서 궁금증이 남습니다: 이 게시글에서는 SPPNet 작동 방식의 기본 원리와 selective search 이미지를 feature map에 매핑하는 과정, 이 과정에서 사용되는 별도의 feature 추출 방식 등에 대해 설명하고 있습니다.
SPP 문의드립니다~: 이 질문에서는 SPP의 분면 예시에 대한 설명과 최소 오브젝트 또는 이미지 크기, selective search에 의한 region proposal 과정과 관련한 상세한 논의가 이루어지고 있습니다.
SPP Layer: 이 게시글에서는 SPP Layer가 feature map에서 어떻게 작동하는지와 관련하여 질문하였고, 강의에서 다루어진 설명의 해명을 포함하고 있습니다.
이 게시물들은 SPPNet의 이해와 관련하여 다루어진 다양한 요소들에 대한 깊이 있는 설명을 제공합니다. 이를 통해 jcy4023님의 궁금증을 해소하는 데 도움이 될 것입니다.
저는 질문자님의 이해를 돕고자 지식공유자님의 기존 답변을 참고하여 유사한 답변 링크를 추천해드리고 있습니다.
현재 베타 기능으로 답변이 만족스럽지 않을 수 있는 점 양해 부탁드립니다. 🙏
추가적으로 궁금한 점이 있으시면, 이어서 질문해 주세요. 곧 지식공유자께서 답변해 주실 것입니다.