Notice
Recent Posts
Recent Comments
Link
| 일 | 월 | 화 | 수 | 목 | 금 | 토 |
|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | ||
| 6 | 7 | 8 | 9 | 10 | 11 | 12 |
| 13 | 14 | 15 | 16 | 17 | 18 | 19 |
| 20 | 21 | 22 | 23 | 24 | 25 | 26 |
| 27 | 28 | 29 | 30 | 31 |
Tags
- image processing
- CNN
- DP
- Python
- eecs 498
- hm3d
- 딥러닝
- hm3dsem
- deep learning
- YoLO
- dynamic programming
- r-cnn
- dfs
- MySQL
- BFS
- two-stage detector
- Mask Processing
- opencv
- 그래프 이론
- ubuntu
- AlexNet
- 백준
- NLP
- 강화학습
- 머신러닝
- machine learning
- real-time object detection
- C++
- LSTM
- Reinforcement Learning
Archives
- Today
- Total
목록multiple-loss (1)
JINWOOJUNG
You Only Look Once: Unified, Real-Time Object Detection(YOLO)
Research PaperYOLO AbstractYOLO는 Object Detection Task의 새로운 접근 방식이다. Object Detection Task를 하나의 Regression Problem으로 정의하며, 하나의 Network로 구현되어 End-to-End 최적화가 가능하다. One-stage Detector인 YOLO는 45fps의 실시간성을 보인다. YOLO는 더 많은 Loclization Error를 보이지만, 배경에 대한 FP를 줄이며, 객체에 대한 일반적인 특징을 잘 학습한다. Introduction Object Detection Task에서 좋은 성능을 보이는 Model은 Classifier를 Detection으로 변형한 구조를 가진다. 특히, R-CNN의 경우 Region Pr..
딥러닝/논문
2025. 1. 19. 00:41