YOLO9000: Better, Faster, Stronger

[chullhwan-song]

https://arxiv.org/abs/1612.08242
YOLO9000_taewan.pdf
https://www.youtube.com/watch?v=6fdclSGgeio
이 논문/발표자료보고 정리

[chullhwan-song]

yolo : #5 먼저보고~

yolo v2 and yolo 9000

• 논문은 v2에 대해 대부분 할애, 자그막하게 yolo 9000 그러나 제목은 yolo 9000
• 현재 데이터는 object detection 클래스가 적다 넘 -> yolo 9000
  • 그이유는 라벨 데이터가 넘 적다.(당연히 사람이 일일이 적어야하니..)
  • 따라서, 기존 object detection 데이터와 image classification 데이터를 적절히 이용하여 클래스를 늘이겠다란게 그 요지. = joint training algorithm
  • 기존 yolo 업그레이드(v2) 이후, 9000개 클래스
    • 실시간 장점이지만, 성능이 떨어졌다. 그리고 특히 recall이 떨어짐(v1) > 이점을 개선
      • v2 > 전제 조건 faster and accuracy (당연한게 아닌가?ㅎ)
    • better > v2
      • batch normalization > 2%
      • high resolution 416x416 fine-tuning > 4 %
        • shrink : 448 > 416
          • why?
            • yolo에서 사용된 CNN이 pooling을 5번연산 그럼 32로 다운샘플링
            • 1/32줄었을때, 가로 세로 사이즈를 홀수로 만들기 위해 시도
              • 즉, 448x448 > 14x14, 416x416 > 13x13(마지막 feature map)
              • center 값이 하나(1 pixel)이기 위해, 짝수는 2x2 pixel
      • v1은 rpn을 사용하지 않는게 특징이었는데, rpn개념 도입 (remove fc layer) > 5 % 향상
        • anchor box 마다 예측, 이전 Cell 마다~
          • 실제 mAP는 cell 단위가 더 좋음(69.5% > 69.2%). 하지만 recall은 anchor 단위가 더 좋음 (81 > 88%)
          • 기존 rpn의 anchor box는 미리 정리되어 있는데 box를 사용했는데, 이게 문제다라고 판단하고 이 box 조차도 학습을 통해 더 좋은 box를 predict하고자 하였음. > k-mean clustering 사용하여, training set에서
            • d(box, centroid) = 1-IOU(box, centroid)
              • centroid에 대한 euclidean distance를 사용하면 큰 box에 대해 error가 더 커지는 문제 그래서 IOU 개념을 도입 그래서 5개(K)를..
          • direct location prediction : 기존 rpn anchor는 box의 x, y 값이 아무곳에서나 갈수 있었다. instability 하다. 그래서 이를 방지하기 위해 gt안에 존재하는 box 안에서만 가도록함.
      • ssd 개념 > 1% 개념 도입
        • 앞쪽 cnn feature map를 사용
          • 앞쪽은 작은 물체를 잘 감지한다고 알려있음.
        • 위에서 언급했듯이 마지막 feature map은 13x13인데, 바로 당연히 바로 앞의 feature map은 26x26 feature map이다. 이를 13x13과 concat하여 검출을 시도
          
      • multi-scale training
        • 멀티 사이즈 학습이 가능하다. 그 이유는 위에서 언급했던거처럼 fc layer를 없앴기 때문. > 다양한 input size를 받을수 있다.
        • 10 batch > {320, 352, ,,, 608} 사이즈에서 랜덤하게 선택
        • 효과
          • low resolution에서 보다 좋은 performance 그리고 fast
          • high resolution에서 sota detection 좀 느리지만 여전히 real-time speed
            
    • faster > v2
      • darknet 19
        • 3x3 filter > vgg 유사
        • global average pooling : 1x1 convolution > average pooling (1000)
          • Network In Network 차용
          • cnn의 대부분 fc 에서 가져가는 이방법을 쓰면 많이 줄어듬.
      • training
        
    • yolo9000 > stronger
      
      
      
      
      
      
      • 약간 억지로 끼워맞추어 늘리는 느낌.~ㅎ
• conclusion
  • v2 는 빠르고 정확하다.
  • 9000은 detection 과 classification사이에 데이터 사이즈를 합치는데 그 의미
  • segmentation 분야도 시도~