'👀 Computer Vision' 카테고리의 글 목록

[CV] OpenCV에서 YOLO를 이용한 Object Detection Part.1

2024.07.15

OpenCV DNN으로 YOLO Inference 구현시 유의 사항YOLO 모델 구현시 알아두어야 할 점은, OpenCV YOLO Inference Code는 기존 OpenCV inference 코드와는 다릅니다.또한 Darknet 구성 환경 및 YOLO Architecture에 따라 사용자가 직접 Object Detection 정보를 추출해야 합니다.Pretrained된 inference 모델 로딩 방법Weight 모델 파일과 config 파일은 Darknet 사이트에 Download가 가능합니다.cv2.dnn.readNetFromDarknet(config 파일, weight 모델 파일)으로 pretrained된 inference 모델을 로딩합니다.readNetFromDarket(config 파일, w..

👀 Computer Vision

[CV] YOLO (You Only Look Once)

2024.07.14

YOLO (You Only Look Once) YOLO(You Only Look Once)은 실시간 객체 탐지 시스템으로, 이미지나 비디오에서 여러 객체를 동시에 탐지하고 분류하는 딥러닝 기반의 알고리즘입니다. YOLO: Real-Time Object DetectionYOLO: Real-Time Object Detection You only look once (YOLO) is a state-of-the-art, real-time object detection system. On a Pascal Titan X it processes images at 30 FPS and has a mAP of 57.9% on COCO test-dev. Comparison to Other Detectors YOLOv3 is ..

👀 Computer Vision

[CV] OpenCV DNN 패키지 & SSD 기반 Object Detection 수행

2024.07.10

Tensorflow에서 Pretrained 된 모델 파일을 OpenCV에서 로드하여 이미지와 영상에 대한 Object Detection을 수행해 보겠습니다.입력 이미지로 사용될 이미지 보기import cv2import matplotlib.pyplot as plt%matplotlib inlineimg = cv2.imread('../../data/image/beatles01.jpg')img_rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)print('image shape:', img.shape)plt.figure(figsize=(12, 12))plt.imshow(img_rgb)image shape: (633, 806, 3)Inference 모델 생성Tensorflow에서 Pretr..

👀 Computer Vision

[CV] SSD - Single Shot (Multibox) Detector

2024.07.07

Object Detection History크게 3개의 분류로 나눠보겠습니다.1. 전통적인 탐지 방법 (Traditional Detection Methods)VJ Detector (P. Viola et al., 2001):비올라-존스 객체 탐지기라고도 불리는 이 방법은 특징 기반 얼굴 탐지를 위한 알고리즘으로 널리 알려져 있습니다.HOG Detector (N. Dalal et al., 2005):Histogram of Oriented Gradients (HOG)는 이미지의 국소적인 방향 정보를 사용하여 객체를 탐지하는 방법입니다.DPM (P. Felzenszwalb et al., 2008):Deformable Part Model (DPM)은 물체를 작은 부분들로 분할하여 각 부분의 위치와 형태를 모델링하..

👀 Computer Vision

[CV] OpenCV로 Object Detection 구현하기 (Part.2)

2024.06.04

OpenCV DNN 패키지를 이용하여 SSD기반 Object Detection 수행 Tensorflow 에서 Pretrained 된 모델 파일을 OpenCV에서 로드하여 이미지와 영상에 대한 Object Detection을 수행해보겠습니다.입력 이미지로 사용될 이미지 보기import cv2import matplotlib.pyplot as plt%matplotlib inlineimg = cv2.imread('../../data/image/beatles01.jpg')img_rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)print('image shape:', img.shape)plt.figure(figsize=(12, 12))plt.imshow(img_rgb)Tensorflow에서..

👀 Computer Vision

[CV] OpenCV로 Object Detection 구현하기 (Part.1)

2024.06.02

OpenCV DNN 장단점OpenCV Deep Neural Network의 장단점에 데하여 알아보겠습니다.OpenCV 라이브러리는 Intel에 의하여 최초 개발 되었습니다. 장단점을 설명해보겠습니다.OpenCV DNN 장점딥러닝 개발 프레임 워크 없이 쉽게 Inference를 구현 가능 합니다.OpenCV에서 지원하는 다양한 Computer Vision 처리 및 API와 Deep learning을 쉽게 결합할 수 있다는 특징이 있습니다.OpenCV DNN 단점GPU 지원 기능이 약합니다.DNN 모듈은 과거에 NVIDIA GPU 지원이 되지 않았습니다. 2019년 10월에 Google에서 NVIDIA GPU 지원 발표했지만. 아직 환경 구성/설치가 어렵습니다. 점차 개선 작업이 진행중입니다.OpenCV는 ..

👀 Computer Vision

[CV] Faster R-CNN (Faster Region-based Convolutional Neural Network)

2024.05.29

Faster R-CNNFaster R-CNN은 R-CNN 계열의 Object Detection 모델 중에서 가장 진보된 모델 중 하나로, Object Detection 에서 매우 높은 정확도와 효율성을 제공합니다.또한 Region Proposal Network (RPN)를 도입하여 전체 시스템의 속도와 정확도를 크게 향상시켰습니다.Faster R-CNN은 RPN(Region Proposal Network) + Fast R-CNN이 합쳐진 모델입니다.기존 Selective Search가 수행하던 Object 위치에 Bounding Box를 그려서 추천합니다. (GPU 사용)또한 Region Proposal Network를 사용합니다. (Selective Search 역할)그리고 Network로만 구성이 되..

👀 Computer Vision

[CV] Fast R-CNN (Fast Region-based Convolutional Neural Network)

2024.05.27

Fast R-CNN 개요 FAST R-CNN은 R-CNN (Region-based Convolutional Neural Network)과 SPP-Net (Spatial Pyramid Pooling Network)의 단점을 보완하고, 객체 탐지의 속도와 정확성을 크게 개선한 모델입니다 Fast R-CNN은 이러한 요소로 구성되어 있습니다.입력 이미지: 원본 이미지와 Region Proposal이 입력됩니다.공통 CNN: 이미지에서 Feature Map(특징 맵)을 추출합니다.RoI Pooling Layer: 각 Region Proposal을 고정된 크기의 *Feature Map(특징 맵)으로 변환합니다.완전 연결 층: 고정된 크기의 *Feature Map(특징 맵)을 입력으로 받아 Classificatio..

👀 Computer Vision

[CV] SPPNet - Spatial Pyramid Pooling Net

2024.05.25

SPPNet - Spatial Pyramid Pooling Net이번에는 SPPNet - Spatial Pyramid Pooling Net에 데하여 알아보고 왜 SPPNet이 등장했는지 한번 알아 보겠습니다. RCNN 주요 문제점그전에 RCNN의 주요 문제점에 데하여 한번 알아보겠습니다.일단, CNN은 2,000개의 Region 영역 이미지가 CNN으로 입력 되면서 Object Detection 수행시간이 오래 걸립니다.이유는 위의 그림을 보면 알 수 있듯이 2,000개의 Region 영역이 Proposal 되어야 합니다.그러면 Feature Map이 2,000개가 만들어 저야 합니다. 이로 인해서 먾은 연산이 필요하며 처리 시간이 길어집니다.또한 Region 영역 이미지가 고정된 크기로 Crop / W..

👀 Computer Vision

[CV] Object Detection Network 구조, R-CNN 개요

2024.05.22

이번 글에서는 Object Detection Network 구조 개요, FPS, Resolution과 성능 상관 관계, R-CNN 에 데하여 알아 보겠습니다. Object Detection Network 개요Object Detetction Network 구조는 두 부분으로 나눌 수 있습니다:특징 추출 네트워크(Feature Extractor Network)와 객체 탐지 네트워크(Object Detection Network)입니다.두 네트워크는 일반적으로 사전 학습된 모델을 사용하여 특정 작업에 맞게 미세 조정됩니다. Feature Extractor Network (특징 추출 네트워크)입력 이미지에서 유용한 특징을 추출합니다.VGG, ResNet, Inception 등과 같은 모델을 사용하며, 보통 Ima..

티스토리툴바