object tracking은 tracklet과 trajectory를 만드는 2단계로 구성된다. 이 중, tracklet은 detection된 object가 이동한 경로 중, 짧은 구간의 경로를 의미한다. 하나의 object에 대한 tracklet을 모두 합치면, trajectory가 된다. 이를 이용하여 object의 identity를 유지할 수 있다. 참고 링크 https://blog.naver.com/sw_maestro/221032791075 https://ietresearch.onlinelibrary.wiley.com/doi/full/10.1049/iet-cvi.2015.0297

MT; Mostly Tracked trajectories↑ : 궤적의 수명(한 object의 궤적에 대해 동일한 ID를 가진 정도 혹은 시간)이 최소 80% 이상인 궤적의 수PT; Partially Tracked trajectories : 궤적의 수명이 20~80% 인 궤적의 수ML; Mostly Lost trajectories↓ : 궤적의 수명이 최대 20% 인 궤적의 수FP; False Positive↓ : 검출되지 않아야 할 것이 검출된 것의 수FN; False Negative↓ : 검출되어야 할 것이 검출되지 않은 것의 수Pr; Precision↑ : 검출 결과가 실제 객체와 얼마나 일치하는가? $$ Precision=\frac{TP}{TP+FP} $$Re; Recall↑ : 실제 객체를 얼마나 ..

두 벡터간의 각도를 이용하여, 두 벡터가 얼마나 같은 방향을 가르키는지 구하는 것. 즉, 두 벡터가 얼마나 유사한지를 구할 수 있음. $$ Cosine\ Similarity=cos(\theta)=\frac{A⋅B}{||A||\ ||B||}=\frac{\sum_{i=1}^{n}{A_{i}×B_{i}}}{\sqrt{\sum_{i=1}^{n}(A_{i})^2}×\sqrt{\sum_{i=1}^{n}(B_{i})^2}} $$ 참고 링크 https://wikidocs.net/24603 https://www.learndatasci.com/glossary/cosine-similarity

조건 : 동일 모델, 동일 하이퍼 파라미터문제 : 데이터셋에 대한 라벨링(GT)을 다른 작업자가 한 것을 추가 한 경우, mAP 약 5% 감소 및 batch에서 loss 약 0.45  증가 생각하는 문제점 :작업자에 따른 GT의 차이사람이기 때문에 작업자 마다 완전히 동일하지 않은 GT 제작 기준다른 작업자가 GT를 잘못 만든 경우데이터가 추가/변경 되었지만, 하이퍼 파라미터는 그대로 사용

처음 해보는 티스토리 블로그 포스팅이라 레이아웃이 많이 어색할 수 있지만, 내용만큼은 열정을 다해서 써봅니다. 아직은 졸업 직전인 학부생이지만, 3월부터 Lab에 출근을 해서 기초지식을 공부하다가 지금에서야 처음으로 Object Detection에 관련된 hot한 논문을 첫 논문으로 읽고, 리뷰해보고자 합니다. 목차 1. 배경 지식 1.1. Object Detection 1.2. IoU 1.3. NMS 1.4. Classification Evaluation Metrics 1.5. mAP 2. Abstract 3. Introduction 3.1. YOLO 3.2. Overview 4. Unified Detection 4.1. Object Detection Process 4.2. Network Design ..