06 - Computer Vision Applications

Semantic Segmentation

: "의미론적인 분할" 정도로 해석할 수 있다. 

Semantic Segmantation

이 과정에서 Fully Convolutional Network (fully connected layer 와는 다름!) 이 사용된다. Convolutionalization 과정을 통해 CNN 마지막 레이어에 있는 FC layer를 Convolution 연산으로 바꾸는 과정이다.

Convolutionalization을 해도 그림에서 보이는 바와 같이 파라미터 수에는 변화가 없다. 그렇다면 왜 FC layer를 Convolution layer로 바꾸게 될까?

위 그림처럼 기존 FC layer를 Output Layer에 사용하게 되면 softmax나 sigmoid activation function을 통해 인풋 이미지가 "고양이"와 같은 분류만 할 수 있었지만, Fully Convolutional Network를 사용하면 히트맵을 얻을 수 있기 때문이다. 하지만 마지막 레이어에서는 Input image가 32x32로 들어왔다 하더라도 4x4와 같이 줄어들게 된다. 다시 원래의 이미지 사이즈로 복원하기 위해 Upsample 방법을 사용하게 된다. 여기서 사용되는 방법이 바로 Deconvolution이다. 

Results

Detection

Detection Part에서는 크게 R-CNN과 YOLO(you only look once)에 대해 알아볼 것이다.

R-CNN

R-CNN : Regions with Convolutional Neuron Networks features 의 약자로, 이미지에 특정 Region 별로 특징을 추출하는 네트워크이다.

YOLO : You Only Look Once

yolo는 매우 빠른 객체 감지 알고리즘이다. 기존의 R-CNN이 region 별로 한 번에 하나씩 classify를 했다면 yolo는 이름 그대로 한 번에 여러 객체를 감지하고 bounding box를 그려준다.

부스트캠프