投稿した質問数 7

2

안녕하십니까, 

질문을 제가 명확하게 이해하지 못한 부분이 있는것 같습니다. 기대하신 답변이 아니시면 제가 문의한 내용을 좀 더 명확히 해주셔서 질문 내용을 update 부탁드립니다. 

1. 원본 이미지에서 selective search를 진행해서 최대 2000개의 region proposal을 받고 conv를 통한 feature맵에 매핑한다고 이해를 했습니다.

=> feature map 사이즈가 아무리 작아도 45*45 가 되어야 한다는 건지, selective search추천된 object가 아무리 작아도 45*45 가 되어야 한다는 건지요? 결론을 말씀드리면 둘다 아닙니다. Feature map 사이즈는 어떤 백본을 사용하는지, 원본 이미지 크기가 어떻게 되느냐에 따라 다릅니다. 

AlexNet을 백본으로 사용하면 224*224 이미지를 입력할 경우 feature map은 13x13으로 나옵니다.  보통 object detection은 이보다는 큰 이미지를 사용합니다. 가령 448*448을 사용하면 feature map은 26x26으로 나옵니다.  vgg 16의 경우는 224*224 이미지의 경우 7x7 feature map이 나옵니다. 

2. 

그리고 각 selective search로 나온 region proposal된 각각의 최대2000개 object가 마지막의 각각 svm과 regression을 통과하는 수를 합쳐서 최대 2000회가 맞나요?

=> 개별 오브젝트에 대한 feature map mapping을  spp는 16(4x4)*256(채널수) + 4(2x2)*256 + 256의 1차원 vector로 매핑합니다. 즉 (16 + 4 + 1) * 256 개의 원소를 가진 vector로 매핑합니다. 

그리고 1개의 이미지에 2000개의 오브젝트가 Selective search로 추천되므로 (16 + 4 + 1) * 256 vector가 2000개가 spp layer로 매핑됩니다.  이것을 2000 * (16 + 4 + 1) * 256 원소의 1차원 vector로 만들었는지, (2000, 16 + 4 + 1) * 256) shape으로 2차원 array 형태로 만들었는지는 논문에 명확하게 나오진 않지만 아마도 후자인 2차원 형태의 array로 만들었을 것으로 추정합니다. 

3. 

마지막으로 강의 리뉴얼된 거로 새로 업로드하신다고 하셨는데 이론 부분까지도 리뉴얼이 완성된 건가요?

=> 실습 강의는 전체 다 리뉴얼 했고, 이론 강의는 리뉴얼이 된 부분이 있고, 굳이 변경할 필요가 없다고 판단된 강의들은 변경하지 않았습니다. 

이론과 실습을 포함한 전체 139개 강의에서 이전 이론 강의를 그대로 가져온 강의는 10개 정도 되는것 같습니다. 

감사합니다.  

0

1번 질문이 selective search에서 많이 탐지된 이미지일 수록 feature map의 사이즈가 커야 하는 거 아닌가라는 의문이 들었었는데 그만큼 resolution이 클 거 같아서 해결이 된 거 같습니다.


그 외의 상세하고 빠른 답변 정말로 감사드립니다.
영상 정주행 마치도록 하겠습니다!