728x90 반응형 SMALL NMS2 [Object Detection] YOLOv10 : 실시간 엔드투엔드 객체 감지 YOLOv10 패키지를 기반으로 구축된 YOLOv10은 Ultralytics Python 패키지를 기반으로 구축된 YOLOv10은 실시간 객체 감지에 대한 새로운 접근 방식을 도입하여 이전 YOLO 버전에서 발견된 후처리 및 모델 아키텍처의 결함을 모두 해결했다. 비최대 억제 (NMS)를 제거하고 다양한 모델 구성 요소를 최적화함으로써 YOLOv10은 계산 오버헤드를 크게 줄이면서 최첨단 성능을 달성한다. 광범위한 실험을 통해 여러 모델 규모에 걸쳐 정확도와 지연 시간 간의 우수한 절충점을 입증했다. 구조 YOLOv10의 아키텍처는 이전 YOLO 모델의 강점을 기반으로 몇 가지 주요 혁신을 도입했다. 모델 아키텍처는 다음과 같은 구성 요소로 이루어져 있다. Backbone : 특징 추출을 담당하는 YO.. 2024. 7. 3. [Object Detection] YOLO Inference YOLO Inference 입력 이미지를 7 x 7 그리드 셀로 나누며, 각각의 그리드 셀에 들어있는 2개의 bounding box 정보와 물체의 클래스 정보가 들어있는 7x7x (5+5+20) 데이터가 YOLO 예측 결과이다. 1st bounding box of a grid cell 2nd bounding box of a grid cell Class score class-specific confidence score 계산 YOLO에서는 동일한 객체에 대하여 많은 bounding box가 잡힐 수 있다. 98개 bbox 각각이 가지고 있는 class specific confidence score에 대해서 각 20개의 클래스에 대해 신뢰도가 가장 높은 bbox만 남기고 나머지 bbox를 없애는 NMS (n.. 2022. 9. 3. 이전 1 다음 728x90 반응형 LIST
