KUBIG 2022-2 활동 블로그

ABSTRACTION Object detection 분야에서 당시 SPPnet 과 Fast R-CNN 도입으로 성능 올라왔지만, 여전히 region proposal computation에서 bottleneck이 존재하였다.(CPU의 근본적인 한계로 인해) 본 논문에서 Region Proposal Network(RPN)을 제안하였다. RPN은 GPU에서 돌아갈 수 있었기에 region proposal에서의 시간이 단축되었다. 또한 RPN과 Detection network에서 같은 Convolutional feature map을 공유하여 결과적으로 a region proposal에 필요한 computation은 사실상 없기에 추가적으로 시간이 단축되었다. RPN은 각각의 position에 대한 object ..

심화 스터디/CV 논문 리뷰 2022. 9. 15. 02:25

Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks Reference https://arxiv.org/abs/1506.01497 Faster R-CNN은 R-CNN, 그리고 Fast R-CNN에 이어 2015년에 발표된 object detection 논문이다. Concept of Object Detection: classification: 이미지를 보고 어떤 class인지 분류하는 것 Localization: 사물의 위치를 bounding box(좌표)로 알아내는 것. Object Detection: 물체의 위치를 알아내고, Classification을 진행하는 것. Instance Segmentation: 검출된 ..

심화 스터디/CV 논문 리뷰 2022. 9. 14. 16:20

Abstract 논문 출판 당시 object detection 분야에서의 SOTA 모델은 object의 위치를 가정하는 region proposal algorithm에 의존하였다. 대표적으로 SPPnet과 Fast R-CNN은 region proposal(RP = 영역추정) 계산을 사용하여 이러한 detection networks의 running time을 감소시켰다. 그러나 여전히 RP단계에서 bottleneck현상이 생긴다는 단점이 있었다. 본 논문에서는 RPN(Region Proposal Network)를 소개하는데, 이는 전체 이미지를 convolution 시킨 feature map을 공유하는 네트워크로 RP를 cost 부담없이 사용할 수 있고(nearly cost-free) fully convo..

심화 스터디/CV 논문 리뷰 2022. 9. 14. 09:47