
591
14
장
합성곱 신경망을 사용한 컴퓨터 비전
텐서플로를 사용한 여러
YOLO
구현이 깃허브에 있습니다. 특히 쯔하오 짱
Zihao
Zang
의 텐서플
로
2
구현 (
https
://
homl
.
info
/
yolotf2
)을 확인해보세요. 텐서플로 모델 프로젝트 깃허브에
다른 객체 탐지 모델이 사전훈련된 가중치와 함께 제공됩니다. 인기가 많은
SSD
54
와
Faster
R
-
CNN
55
같은 모델은
TF
허브
Hub
에 포팅되어 있습니다.
SSD
는
YOLO
와 비슷한 ‘싱글 샷
single
shot
’ 탐지 모델입니다.
Faster
R
-
CNN
은 조금 더 복잡합니다. 이미지가 먼저
CNN
하나를
통과해 그 출력을
RPN
region
proposal
network
으로 전달합니다.
RPN
은 객체가 들어 있을 가능성이
높은 바운딩 박스를 추출합니다. 이
CNN
의 출력을 기반으로 바운딩 박스마다 분류기를 실행
합니다.
탐지 시스템은 속도, 정확도, 복잡도 등 여러 요인에 기반해 선택됩니다. 논문에는 평가 결과가
담겨 있지만 테스트 환경에서는 유동성이 많습니다. 기술이 매우 빠르게 발전하므로 어떤 벤치
마크 자료를 대부분 경우에 적용할 수 있을지 몇 달 이상 유효할지 확신하기 어렵습니다.
자 이제 물체 주위에 바운딩 박스를 그려서 위치를 추정할 수 있습니다. 훌륭합니다! 하지만 어
쩌면 조금 ...