YOLO와 RCNN 분석

3팀-최웅준, 송근영, 김정민

회의 날짜 : 02/13 목요일

회의장소 : 능곡역 지노스 카페

 주제동기 : 모여서 공부해온 것을 나누다가 R-CNN의 기존 방식에서의 Selective Search에 대해 의문이 생겨 이번 주제로 선정하게 되었다. 확실하지는 않지만 이야기하면서 우리 팀이 이해하는 방식안에서 진행되었다

 

Selective Search란?

 

기존의 Detection에서 Bounding Box를 사용할 때 Sliding window 방식으로 사진을 받아들이는데, 이 때 발생하는 문제가 필요없는 부분까지 인식하게 된다는 점이다. 이것을 좀 더 효율적으로 수행하기 위해 Selective Search를 한다. Sliding window의 하나씩 이동하면서 받아들이는 것과 다르게 인식할 부분이 적절한 위치를 선택하는 방식을 의미하는데, 이 의미 자체에서 Selective Search의 동기를 확인할 수가 있다. 우리 팀은 Selective Search의 그 '적절한 위치'가 어떻게 이루어지는지에 대해 알아보았다. 방식은 처음에 임의로 조각을 나누고 비슷한 조각끼리를 한 묶음으로 모은 후, 묶음들을 입력 후보로 선정하여 기존이 하나씩 보는 것보다 개념적으로 좀 더 빠르게 선택한다는 의미가 된다. 여기서 그 후보들만 선택했다는 의미가 '적절한'방식 이었다. 좀 더 자세히 알아보기 위해서 segmentation에 대해 알 필요가 있었다. 

앞선 두 방식을 합성한 방식

R-CNN을 공부하다 보니 앞서 언급한 segmentation과 Faster R-CNN에서는 기존의 selective search가 아닌 RPN을 사용하였는데 RPN 대해서 더 공부해보았다.