TIL [Today I Learned] (1) 썸네일형 리스트형 YOLO 모델: YOLOv1-YOLOv7에 대한 연구 YOLO가 전체 이미지 정보를 활용하여 각 객체에 대한 바운딩 박스와 클래스 확률을 신속하게 예측하며, 이는 아래와 같은 4단계 과정을 거치는 기존 방법에 비해 속도와 통합성 면에서 상당한 이점을 가짐 1. 그리드 분할- YOLO는 입력 이미지를 SxS 그리드로 나눕니다. 각 그리드 셀은 객체의 중심이 그 셀 안에 있을 경우 그 객체를 감지하는 책임이 있습니다. 2. 바운딩 박스 및 확률 예측 - 각 그리드 셀은 B개의 바운딩 박스와 각 박스에 대한 객체가 존재할 확률을 예측합니다. 바운딩 박스는 객체 위치를 정의하며, 확률은 그 박스가 객체를 포함하고 있을 가능성을 나타냅니다. 3. 클래스 예측 - 각 그리드 셀은 또한 C개의 클래스에 대한 조건부 확률을 예측합니다. 즉, 그리드 셀에 객체가 있는 경우.. 이전 1 다음