Deep Learning Paper Implementation with YOLO Implementation with TensorFlow 2.0

섹션 3 YOLO 모델 리뷰 10:54초에 말씀하시는 부분은 [클래스별 softmax 결과] * [grid cell에 object가 존재할 확률] 을 곱해서 [하나의 바운딩 박스 좌표에 매핑되는 결과]를 설명하시는 부분이고,섹션 3 Non-Maximu

GlobalAveragePooling2D()에서 InceptionV3의 다차원 Feature Map을 1차원 스칼라로 차원변환 해주는데, 여기서 GlobalAve

운영환경Colab (프로 GPU 버전 사용)<img src="https://cdn.inflearn.com/public/files/posts/1b686ad0-953d-4dc7-b6fb-34c35edb76ce/image.

object_exists_cell_i, object_exists_cell_j = int(cell_size * ycenter / input_height), int(cell_size *

강의 잘봤습니다강의에서는 psrcal voc 의 고양이 사진을 데이터셋으로 이용하셨는데이 데이터셋을 다른 데이터로 바꿔서 학습을 시키고 싶습니다단순히 코드 수정만 하면 되나요? 수정을 한다면 어떻게 수정을 해야 할까요?

<span style="background-color: #

  안녕하세요.  이번에 새로 이 강의를 수강신청했습니다. 이 강의에서 작성한 욜로 코드를 개인 포트폴리오 작성을 위해서 깃헙에 올리는 행위가 허용되는지 묻고 싶습니다. 이전에 인프런에 물어봤는데

안녕하세요 강사님! 강의 잘 보고 있습니다.  다름이 아니라 강의를 보면서 공부를 하다가 의문점이 생겨 질문드립니다. 이번 YOLOv1에서 Bounding box의 개수를 2로 지정했는데, Object Detectio

논문에서는 backbone network로 darknet을

<p cid="n27" mdtype="paragraph"

<span md-inline="plain" class="m

dataset.py에서 dataset을 load 후 filter를 통해 특정 label의 data만 필터링 하는 과정에서 filter의 인자로 predicate함수를 정의할 때 predicate의 인자로 받는 x는 dataset으로 이해했

<img src="https://cdn.inflearn.com/public/files/posts/be75e08a-a400-4033-a51d-958d6bda9983/스크린샷 2021-07-01 오후 8.43.08.png" width="1680" height="392

TensorFlow 2.0을 이용한 YOLO 논문 구현 chapter의 'train.py - train_step 정의 & for-loop을 이용한 gradient descent 수행 & 파라미터 및 텐서보드(TensorBoard) 로그

<p cid="n9" mdtype="paragraph" class="md-end-block md-p md-focus" style="box-sizing: border-box; line-height: inherit; orphans: 4; margin: 0.8em 0px;

bounding box 관련 loss(coord loss)에서 x, y 부분에 대해서 질문이 있습니다. 논문에 보면 아래와 같은 문장이 나오는데요 We parametrize the bounding box x and y coordinates

loss function 구현한 부분에서 질문드립니다. no object loss에 대한 flag(1objij)를 1-object_exists_cell로 구현하신걸로 이해했는데요<br /

안녕하세요. 강의 해주신 내용을 듣고 코드를 활용해서 Pascal voc 20class들을 학습했습니다. 그리고나서 model을 활용한 prediction을 해보려고하는데 코드에서 NMS를 사용하지 않더군요.... 개인적으로 코드를 만들어

안녕하세요. 좋은 강의 잘 보고 있습니다. confidence 내림차순 정렬 이후 가장 큰 값으로 그보다 작은 값들의 IOU 계산으로 걸러낸 이후, 남은 값들 중 두번째로 큰 값으로 재차 IOU 계산을 하는 이유가 궁금합니다. <p

NMS 알고리즘 동작 과정에서 confidence <= 0.6 이하의 Bounding Box를 제거한다고 할때, confidence <=0.6 이하는 class별인지 아니면 bounding box confidence가 0.6이하인 Bound