자율주행/논문리뷰 (3) 썸네일형 리스트형 You Only Look Once: Unified, Real-Time Object Detection 2016년에 나온 논문으로 현재 기술들과는 상당히 다른 점이 있어 review부분에서 말하는 시간대는 앞서 논문이 나온 16년도를 배경으로 이야기하겠습니다. 0. Abstract Object Detection에 관해서 새로운 방식으로 연구를 해서 YOLO라는 접근방식 얻었습니다. 이미지 전체에 대해서 하나의 신경망으로 bounding box 예측 및 class probabailites 예측을 가능하게 했습니다. => End-to-end 방식으로 optimized 했습니다. ※bounding box : 객체를 인식하는 직사각형 box를 말합니다. ※class probabailites : 클래스 확률이라고 직역이 되고 bounding box에서 검출한 객체가 특정 클래스에 해당할 확률을 말합니다. Yolo .. Object Detection in 20 Years : A Survey 0. Abstract 컴퓨터 비전에서 Object Detection에는 20년동안 급속도로 기술이 발전되었습니다. 오늘날은 딥러닝이 주도한 Object Detection 혁명이라면, 과거 90년대는 초기 컴퓨터 비전의 창의적 사고 및 장기적인 전망을 바탕으로 한 설계가 되었습니다. 본 논문은 90년대부터 22년까지 Object detection 기술을 다루는 Survey 논문입니다. 역사적으로 주요했던 detectors, detector의 데이터셋, metric (평가지표), detection system 기본 요소, 속도 향상 기술, 최근의 첨단 기술 및 관심 분야를 다루게 됩니다. 1. Introduction Object detection은 디지털 이미지에서 특정 클래스 (사람, 동물, 사물 등) 시.. [Review] End to End Learning for Self-Driving Cars 0. Abstract 자율주행 자동차의 주행을 위해 컴퓨터 비전 기술을 사용하는 방법을 설명하고 있습니다. 이를 위해 컨벌루션 신경망(CNN)을 사용하여, 전면 카메라에서 입력되는 생 이미지(raw pixels)를 직접 조향 명령(steering commands)으로 매핑(mapping)하였습니다. 이 방법은 전체 시스템에 대한 최적화를 가능하게 하기 때문에, 최소한의 학습 데이터만으로도 시스템이 교통 정체와 같은 도로 환경에서 운전할 수 있습니다. 이 시스템은 컴퓨터가 도로 특징을 자동으로 감지하고 이를 처리하는 방식을 학습합니다. 인간의 조향 각도만을 학습 신호(training signal)로 사용하여, 시스템 내부 표현(internal representations)을 자동으로 학습합니다. 이러한 방.. 이전 1 다음
