Deep Learning/Object Detection 다양한 IoU 종류 - 728x90 반응형 0. 들어가기에 앞서 본 게시글은 다양한 IoU에 대해 쉽게 이해할 수 있도록 최대한 간략하게 작성한 글입니다. 더욱 자세한 내용을 알고싶다면, 아래의 참고 링크 부분의 링크를 참고 바랍니다. 1. Vanilla IoU Intersection of Union 1. 개념 줄여서 IoU라 하며, 영상에서 Ground Truth에 해당하는 bounding box와 model이 예측한 bounding box의 겹치는 정도를 계산한 값 즉, 예측한 결과가 얼마나 정답과 일치하는지를 나타냄 2. 계산 방법 alstn59v.tistory.com 2. Generalized IoU GT box와 bounding box를 모두 포함하는 최소 크기의 박스를 이용하는 방식 GT와의 overlap을 위해 box의 영역이 넓어지고, overlap 후 IoU를 높이기 위해 box의 영역을 줄이는 과정 수행 속도가 느리고, 부정확하게 box를 예측한다는 문제점 존재 3. Distance IoU GIoU를 개선하기 위해 등장 중심 좌표를 IoU와 함께 이용하여, GT와의 overlap을 위해 box의 크기 조절 대신, box가 이동을 하는 과정 수행 4. Complete IoU DIoU와 함께 제안된 방법 bounding box에 대한 좋은 loss는 overlap area, central point distance, aspect ratio의 요소를 고려해야 함 DIoU에 추가적으로 aspect ratio를 고려한 방법 5. Buffered IoU MOT에서 tracking 성능 향상을 위해 제시된 방법 detection과 track에 비례하는 buffer 영역을 추가한 방법으로, 이를 통해 동일 object의 overlap area를 증가시킬 수 있음 원래 detection의 중심, 크기 비율, 모양을 동일하게 유지하는 확장된 공간 참고 링크 https://silhyeonha-git.tistory.com/3 728x90 반응형 공유하기 게시글 관리 Minsu Jo's Development Log 저작자표시 비영리 동일조건 'Deep Learning > Object Detection' 카테고리의 다른 글 mean Average Precision (0) 2023.02.13 Classification Evaluation Metrics (0) 2023.02.13 Non-Maximum Suppression (0) 2023.02.13 Intersection of Union (0) 2023.02.13 Object Detection (0) 2023.02.13 Contents 당신이 좋아할만한 콘텐츠 mean Average Precision 2023.02.13 Classification Evaluation Metrics 2023.02.13 Non-Maximum Suppression 2023.02.13 Intersection of Union 2023.02.13 댓글 0 + 이전 댓글 더보기