[Computer Vision] Object Detection: YOLO 논문 리뷰

Object Detection이란?

• 이미지 내 여러 객체 탐지하는 것이다.
• Output으로 bounding box를 Return 한다.

Object Detection Milestones

• one-stage detector
  • YOLOv1 - SSD - YOLO9000 - Retina Net - YOLOv3
• two-stage detector
  • RCNN - SPP Net - Fast RCNN - Faster RCNN - RFCN - Pyramid Networks - Mask RCNN

YOLO (You Only Look Once)

• 전체 이미지를 보는 횟수가 1회라는 의미이다.
  1. Unified: classification + Localization 단일화하였다.
  2. Real-Time: 속도를 개선하였으며 Faster RCNN보다 속도가 빠르다.
• Main Contribution
  1. Object Detection을 regression problem으로 관점을 전환하였다.
  2. Unified Architecture: 하나의 신경망으로 Classification과 Localization을 예측하였다.
  3. 기존 모델보다 빠른 속도를 내도록 개선하였다.
  4. 여러 도메인에서 object detection이 가능해졌다.

1. Unified Detection

1. input 이미지를 S X S 그리드로 나눈다.
2. Bounding Box regression과 그리드 별로 Class probability를 계산한다.
3. 객체를 발견한다.

• S: 그리드 size
• B: 각 grid cell 마다 예측할 bounding box의 개수
• C: 전체 고려할 클래스의 개수
• x, y: bounding box의 중심 좌표
• w, h: input image size
• pc: P(객체가 bounding box에 있으면 1, 없으면 0) * IOU

레이어 구성

• 24개의 conv layers + 2개의 fc layer
  • 20 conv layer: pretrained
  • 4 conv layer: fine-tuned
• Fast Yolo는 9 conv layer + fc layer의 레이어층을 가지고 있다.
• reduction layer => 연산량 감소시킴

2. Training Stage

• Red Bounding Box: GroundTruth: 객체의 위치를 나타내는 정답 Bounding box

• Blue Bounding Box: GroundTruth Box와 관련있는 그리드 셀

• IOU가 가장 높은 Bounding Box 1개만 사용

  • IOU는 GT와 예측된 Bounding Box가 얼마나 겹쳐져 있는가를 나타낸다.

• Loss function: Mean Squared Error

3. Inference Stage

• 그리드 1개당 bbox 2개 * 그래드 개수 = 2 * 7*7 = 98

• 객체 당 bbox 많아지므로 NMS 적용해야한다.

  

  • NMS: 가장 예측력 좋은 박스만 남기기
  • 클래스 별로 IOU 값 높은 박스 선택

4. Experiment

속도: Fast Yolo » Yolo » DPM, RCNN 계열

성능: Faster-RCNN > Fast-RCNN > Yolo » DPM

Fast RCNN 과 Yolo의 Error 비교

Fast RCNN과 비교하였을 때, Yolo background error가 4.75로 감소하였고, False positive(아무것도 없는데 있다고 나오는 것)도 감소하였다.

Fast RCNN + YOLO 결합 모델은 mAP 3.2 % 만큼 향상하였다.

Robust하게 Detection하므로 여러 도메인에서 object detection이 가능하다.

VOC2007, Picasso, People-Art 데이터에서 다른 모델보다 높은 정확도를 가지고 있다.

5. Limitation

1. 작은 물체에 대해서는 탐지 성능이 낮다.
   • 객체의 크기가 크면 bbox 간의 IOU값의 차이가 커져서 적절한 predictor를 선택할 수 있지만,
   • 객체의 크기가 작으면 bbox간의 IOU값의 차이가 작아서, 근소한 차이로 predictor가 결정된다.
2. 일반화된 지식이랑 다르게 object의 비율이 달라지면 detection 성능이 낮아진다.

---

참고 자료

고려대학교 산업경영공학부 DSBA 연구실 - [Paper Review] You Only Look Once : Unified, Real-Time Object Detection