YOLO Object Detection 개요

이 게시물은 YOLO(You Only Look Once) 신경망 모델의 YOLOv1과 YOLOv2 버전의 구조와 특징에 대해 설명합니다.

YOLOv1 주요 내용

• 기존 2단계 탐지 방식과 달리 단일 신경망으로 위치와 분류를 동시에 예측하는 1단계 탐지
• 이미지를 SxS 그리드로 나누어 각 그리드 별로 바운딩 박스와 클래스 확률 예측
• 복잡한 파이프라인 없이 빠른 학습과 예측 속도
• 한계로는 여러 물체 겹침과 작은 물체 인식 정확도 저하 문제 존재

YOLOv2 개선점

• Anchor Box 도입과 Batch Normalization 적용으로 정확도 향상
• Feature map 크기를 7x7에서 13x13으로 키워 작은 물체 인식 개선
• Darknet19 신경망 사용으로 빠른 처리 속도 달성
• Multi-scale training으로 다양한 입력 크기 지원

성능 및 활용

YOLOv2는 빠른 속도와 비교적 높은 정확도를 유지하며 SSD 대비 VOC 데이터셋에서 우수한 성능을 보이나 COCO 데이터셋에서는 다소 낮은 성능을 나타냅니다.