감사합니다 교수님!!

colab 에서 kerasRetina 설치 이후 Import 시 오류

강사님 git에서 올려주신 노트북 파일로 실행했고 kerasRetina 또한 강사님 git에서 다운받았습니다. 강사님께서 제공해주신 코드 또한 오류 메세지가 나오고요 혹사나 해서 폴더 명도 수정해봤습니다 오류 발생 : keras_retinanet.models.backbone('resnet50') 객체 생성 : keras_retinanet.models.backbone('densenet169') keras_retinanet.models.backbone('densenet') 을 입력하면 오류 메세지: Backbone ('densenet') not in allowed backbones (dict_keys(['densenet121', 'densenet169', 'densenet201'])). 로 수정사항까지 알려줍니다 ㅜㅜ 근데 resnet은 오류가 나옵니다 다른 백본 densenet, mobilenet, vgg 들은 오류 메세지로 올바른 입력값을 추천해주고 백본객체를 잘 생성합니다. 근데 resnet은 import 오류가 나오고 retinanet은 다른 오류 메세지가 나옵니다

cv_outputs 에 대해 질문

친절하게 답변해주셔서 감사합니다. 제가 이론적 지식이 부족해서 어떤 부분이 헷갈리는지 명확하게 설명하기가 힘드네요 양해 부탁드립니다. 원본 이미지로 부터 3가지 사이즈의 피쳐맵을 통해 다양한 사이즈의 객체를 인식합니다. 객체인식은 각 픽처맵의 각 셀에서 여러개 앵커박스로 진행합니다. 각 앵커박스는 "좌표", " Objectness score", "Class Scores" 가 있습니다. 여기서 Objectness score 은 해당 앵커박스에 객체가 있을 확률을 의미하는데 어떻게 구하는지 다른 글을 확인해보니 Objectness score = GTbox와 비교한 IoU 값 * 객체가 있을 확률 으로 확인했습니다. 이때 객체가 있을 확률을 어떤식으로 구하는지 궁금합니다. 제가 영상에서 놓친건지 조심스럽습니다. 그리고 Objectness score 에 대한 임계치를 설정하고 임계값보다 낮은 앵커박스는 Detection 대상에서 제외시킵니다. (이때 이 앵커박스는 Class Score를 갖고 있는지도 궁금합니다.) 코드에서 앵커박스의 정보를 detection 변수로 표현했는데 detect[5:] 은 Class Score 들이고 detect[4]가 Objectness score인데 쓰이질 않아 어디서 사용되는지 궁금했습니다. 또 Class Scores는 데이터에 따라 80개 또는 20개 숫자로 구성되는데 softmax로 각 클래스일 확률을 구해 최댓값을 선택하는게 맞나요? 제가 데이터 값을 확인해 본 결과 전부 합해서 1이 안되고 나머지 값들이 0이었습니다. (최댓값이 0.8이어도 나머지값들이 0으로 나왔습니다 이에 대해서는 강사님께서 설명하신 그대로인거같습니다.)

그림이 헷갈려서 질문드립니다.!!

이해 잘 됐습니다 감사합니다!!

SPP 에 대해 질문있습니다!!

친절한 답변 감사합니다!!