AI (11) 썸네일형 리스트형 Logistic Regression Sigmoid Function 시그모이드 함수는 어떠한 값이 들어가든 항상 그 값이 1과 0 사이를 가진다는 특징이 존재한다. 이러한 특성을 통해서 regression에 적용을 할 수 있다. Logistic Hypothesis 기존의 hyphothesis 함수 (이하 H(x))는 H(x) = Wx + b의 형태로 정의하였다. 하지만 이렇게 함수를 정의하는 경우 classification을 적용하는 과정에서 인풋 x가 outlier에 해당하는 등의 경우 학습에 취약할 수 있다는 단점이 존재한다.그렇기에 최대한 outlier를 방지하는 과정의 일환으로 기존 H(x) = Wx + b에 sigmoid 함수를 적용한 형태인 logistic hyphothesis를 적용한다. Cost Function의 적용 log.. Object Detection 알고리즘 별 Label Bounding Box 좌표 COCO(x,y,w,h)의 (x,y)를 좌측 최상단의 좌표로 선택함. YOLO(x,y,w,h)의 (x,y)를 Bounding Box의 중심 좌표로 선택함. KITTI, VOC(x1,y1,x2,y2)의 (x1,x2)는 좌상단의 좌표, (x2,y2)는 우하단의 좌표이다. YOLO(You Only Look Once) 논문 번역 / 리뷰 선수 지식1) intersection over union (iou)바운더리 박스 두개가 존재할 때 두 박스의 교집합의 면적을 합집합의 면적으로 나눈 것이다. 따라서 두 박스간의 겹치는 부분이 많아질수록 iou는 증가한다. 2) precision, recallex) 모델이 총 15개의 번호판 이미지 중에서 10개의 번호판 이미지를 검출했다고 하자. 검출한 10개의 이미지 중 7개는 TP(옳게 검출) , 나머지 3개는 FP(틀린 검출)이라고 하자.precision: 옳게 검출한 물체 개수 / 모델이 검출한 물체 개수 = 7 / 10 = 0.7recall = 옳게 검출한 물체 개수 / 실제 물체의 전체 개수 = 7 / 15 = 0.47precision과 recall은 반비례의 관계를 보인다. 3) conf.. 이전 1 2 다음
Object Detection 알고리즘 별 Label Bounding Box 좌표
COCO(x,y,w,h)의 (x,y)를 좌측 최상단의 좌표로 선택함. YOLO(x,y,w,h)의 (x,y)를 Bounding Box의 중심 좌표로 선택함. KITTI, VOC(x1,y1,x2,y2)의 (x1,x2)는 좌상단의 좌표, (x2,y2)는 우하단의 좌표이다.
