[6] Multi-class Object Detection

Multi-class object detection and bounding box regression with Keras, TensorFlow, and Deep Learning - PyImageSearch

Multi-class object detection and bounding box regression with Keras, TensorFlow, and Deep Learning - PyImageSearch

2020년 10월 12일 포스팅

---

들어가며

이번 튜토리얼에서는 다중 클래스 객체탐지에서 바운딩 박스 회귀를 어떻게 하는지 알아보도록 할게요.

저번 튜토리얼에서는 하나의 클래스에 대한 객체 탐지를 위한 바운딩 박스 회귀를 알아보았어요. 이번에는 이 개념을 좀 더 확장해보도록 할게요.

다중 클래스 객체탐지를 하기 위해선 다음과 같은 절차를 거쳐야 해요:

1. VGG16 모델 로드. ImageNet에 사전훈련되어 있고, 완전연결층은 제거하도록 해요.
2. 새로운 완전연결층을 만드는데 2갈래의 가지치기를 할게요.(다중출력)
   1. 가지 1:  (1) 마지막 레이어에 바운딩 박스의 좌표에 해당하는 4개의 노드로 구성 (2) 활성화함수로 sigmoid 활용. 이 부분은 바운딩 박스 예측을 담당해요.
   2. 가지 2: 완전연결층인데, 활성화 함수로 softmax를 사용하도록 해요. 이 부분은 클래스 분류 예측을 담당해요.
3. VGG16 모델에 새로운 완전연결층을 이어붙여요.
4. 전체 신경망을 미세조정해요. 이러면 end-to-end 객체 탐지가 된답니다.

자, 바로 튜토리얼을 시작해보도록 해요!

---