Faster R-CNN:Towards Real-Time Object Detection with Region Proposal Networks
Faster R-CNN : Towards Real-Time Object Detection with Region Proposal Networks 를 읽고 정리한 글입니다.
Faster R-CNN : Towards Real-Time Object Detection with Region Proposal Networks
Overview
(You should include contents of summary and introduction.)
- 흐름 : R-CNN -> (SPP-net) -> Fast R-CNN -> Faster R-CNN
- R-CNN : Region with CNN features. RoI 들을 뽑아내고 CNN에 각각 집어넣음.
- Region Proposal – Selective Search : 어떻게 바운딩 박스(bbox)를 뽑아내는가
- Training
- Pre-train AlexNet
- SVM, bounding-box regressor (CNN에 학습이 안된다는 단점이 있음)
- Fast R-CNN
- RoI projection -> 매 bounding box마다 RoI pooling
- 어떤 RoI가 나와도 똑같은 size가 나오도록 max pooling => RoI pooling
- Fixed-length feature vector from RoI가 됨.
- FC 레이어에 넘기면서 classification(K+1 class) + bounding box location 동시에 계산
- Problems of Fast R-CNN : Out-of-network region proposals are the test-time computational bottleneck
- Faster R-CNN
Summary of experiments
(Explain figures briefly.)
Proposal time 매우 줄어듦!
Methods
(Explain one of the methods that the thesis used.)
Region Proposal을 실제 네트워크 안에서 같이 해보자 Region Proposal Network + Fast R-CNN CNN share하자
등 Overview 에서 설명함
Ideas for further research
(Explain your ideas for further research briefly.)
Faster R-CNN의 한계 : RoI pooling 할 때 7의 배수가 아닌 RoI가 나오면 버림이 있을 것
- 오차 발생… (object detection에는 큰 문제가 아닐 수 있지만 location 등이 중요한 것에는 문제를 일으킬 수 있음)
- Mask R-CNN 으로 극복
아직도 실시간으로 처리하기에는 조금 부족해 보이기도…
- Proposal 시간은 유의미하게 줄이기 힘들 것 같음. Region-wise time을 좀 더 줄이는 방법? Conv도?…
Additional studies
(If you have some parts that cannot understand, you have to do additional studies for them. It’s optional.)
R-CNN Fast R-CNN Mask R-CNN
References
(References for your additional studies)
https://www.youtube.com/watch?v=kcPAGIgBGRs&list=PLXiK3f5MOQ760xYLb2eWbtOKOwUC-bByj&index=13&t=0s