inflearn logo
강의

강의

N
챌린지

챌린지

멘토링

멘토링

N
클립

클립

로드맵

로드맵

지식공유

[개정판] 딥러닝 컴퓨터 비전 완벽 가이드

Faster RCNN의 이해 02 - Anchor Box를 활용한 RPN 구성

앵커박스

272

jack

작성한 질문수 3

0

계속 이해해보려고 구글링했는데 뭔가 속시원게 해답이 안나와서 한번만 더 질문하겠습니다. ㅜㅜ

지난강의에서 피처맵의 그리드포인트 마다 앵커 9개를 매핑한다고 하셨는데, 이번 강의에서 RPN 네트워크는 피처맵을 이진 분류 하기 까지 그리드포인트 매핑과정이 없어서 뭔가 연결이 잘 안되는 것 같습니다.

다른 문제는 5:50초에 40x50x9 는 그리드포인트마다 9개의 앵커박스를 나타내는 것이고, 앵커박스마다 FG인지 BG인지 판단한다고 하셨는데, 제 머리로는 1x1 컨볼루션을 하고 9output을 뽑는다는게 잘 이해가 안되는 것 같습니다. 1x1 컨볼루션은 차원의 축소를 하는 역할을 하는것인데 9가지 모양의 그리드를 어떻게 1x1 컨볼루션 40x50피처맵 포인트마다 연결을 시키는 것인지 잘 이해가 되지 않습니다...ㅜㅜ

python tensorflow keras 딥러닝 컴퓨터-비전 머신러닝 배워볼래요?

답변 1

2

권 철민

40x50x512의 feature map이 있을 때 여기에 1x1 conv를 적용하는 것이 바로 anchor box를 grid point에 매핑하는 것입니다. 

40x50x512 의 feature map에서 CNN 필터를 작용하면 1 Grid 씩 이동하면서 filter가 적용됩니다. 그러니까 면적 40x50 즉 높이 40, 너비 50 point를 가지는 grid별로(즉 50칸 왼쪽에서 오른쪽으로 이동하면서, 40칸 위에서 아래로 이동하면서) 1x1 CNN 필터가 연산으로 적용됩니다. 

1X1 필터가 차원을 축소하지만 여기서는 깊이의 차원을 축소하는 것이지 면적을 축소하는 게 아닙니다. 

40x50x512에 1x1 Conv 필터 9개를 적용해서 40x50x9 가 되고 40x50이 개별 grid point들, 그리고 9가 anchor 개수가 됩니다. 

0

Alex

똑같은 궁금증에 대해서 다른 분이 질문을 남긴걸 보고 여기에 다시 한번 질문을 드립니다. 알듯 말듯한데 조금만 더 자세히 설명해주시면 감사하겠습니다!

강의 환경설정 질문

0

43

2

Custom Dataset에서의 polygon 정보 관련

0

90

3

cvat.ai 보안 수준이 궁금합니다

0

82

2

캐클 nucleus 챌린지 runpod 실습 코드 에러 질문드립니다.

0

99

3

추론 결과의 Precision(또는 mAP) 평가 방법

0

87

2

mmdetection mask rcnn inferenct 실습 시 runpod 템플릿 관해서 질문드립니다.

0

61

2

runpod에서 google drive 연결 시 오류 발생

0

110

2

로드맵 선택

0

69

1

mmcv

0

60

2

Anchor box의 Positive 처리 위치

0

64

2

해당 강의 runpod 적용 후 에러 제보드립니다

0

88

2

run pod credit 관련 제보

0

102

2

mmdetection 2.x과 3.x 호환 관련 표기

0

79

2

mm_faster_rcnn_train_kitti.ipynb 실행 오류

0

102

3

질문 드립니다.

0

84

3

mm_faster_rcnn_train_coco_bccd 실행 오류 질문드립니다.

0

81

1

강사님께 수정을 제안드리고 싶은 것이 있습니다.

0

96

1

google automl efficientdet 다운로드 및 설치 오류

0

78

1

이상 탐지에 사용할 비전 기술 조언 부탁드립니다.

0

104

2

OpenCV 관련 질문드립니다.

0

76

2

mmcv 설치관련해서 문의드려요

0

336

3

강의 구성 관련해서 질문이 있습니다

1

139

2

모델 변환 성능 질문드립니다.

0

123

1

NMS 로직 문의 드려요

0

116

2