블로그 이미지
pgmr이상현
Instagram:sh_lee77 머신비전, YOLO, 영상처리, Deep Learning, 딥러닝

calendar

1 2 3 4 5 6 7
8 9 10 11 12 13 14
15 16 17 18 19 20 21
22 23 24 25 26 27 28
29 30 31

Notice

개발배경은 앞서 보았듯이 막대한 농작물의 피해를 Deep Learning기술을 사용함으로써, 방지하자 입니다. 그러면 어떤 Algorithm을 사용할 것인가? 또 그 Algorithm은 어떻게 설치하고 사용하는지 알아보도록 하겠습니다.


YOLO는 You Only Look Once의 약자입니다.  (YOLO클릭 시 YOLO페이지로 이동)

무한도전으로 유명해진 욜로(YOLO, You Only Live Once - 한 번뿐인 인생을 즐기자) 로 인해 개발당시 자료를 찾기가 조금 버거웠습니다.


YOLO 가 등장할 당시에 오브젝트 디텍션은 주로 Faster R-CNN (Region with Convolutional Neural Nerwork) 계열이 좋은 성능을 내고 있었다고 합니다.

Faster 니까 빠르다? 기존보다 빨라졌다는 뜻일 뿐 10프레임도 안나왔다고 합니다.

이때 YOLO가 등장하여 45프레임을 보여주었고 빠른 버전의 경우 155프레임을 기록하며 사람들을 놀라게 했습니다.


많은 Deep Learning Real Time Object Detection Algorithm들을

조사해 보았습니다. 또 그 중에서 우리가 개발시에 필요한 순으로 

우선순위를 매겼습니다.

종류 

mAp 

Fps (Titan X GPU) 

우선순위 

 YOLO V2

76.8 

67 Fps 

 1 

 SSD 500

75.5 

 58 Fps 

 2 

  SSD 300 

72.1 

58 Fps

3

  Faster R-CNN

73.2 

7 Fps 

4

 Fast R-CNN 

68.4 

5

위 결과는 Titan X GPU기준의 프레임과 정확도입니다.

이러한 결과로 우리팀은 야생동물을 포착하여 물총이 따라가면서 요격을 해야하기 때문에 정확도도 좋고 가장빠른 YOLO V2를 사용하기로 했습니다.


YOLO V2영상

posted by pgmr이상현