객체 탐지(Object Detection)의 소개와 종류, 기술의 흐름

1. 객체 탐지(Object Detection)

 

간단하게 말하면 주어진 이미지(사진, 동영상, CCTV 등등) 내 사용자가 관심 있는

 

객체를 탐지하는 기술입니다.

 

 

 

 

널리 알려져 있는 분야로 얼굴 검출, 보행자 검출, 등이 있으며 코로나 시대에 대형 마트 같은 곳에 가면

 

카메라를 이용하여 체온 측정할때에도 사용이 됩니다.

 

그리고 요즘 많이 화제가 되고 있는 자율 주행 자동차에 사용되는 것이 아주 대표적인 사례라고 할 수 있겠습니다.

 

2. 객체 탐지 모델의 기술 흐름.

 

객체 탐지의 역사(?) 관련되어서는 아래의 논문을 보면 잘 알 수 있다.

 

[Object Detection in 20 Years: A Survey, Zhengxia Zou, Zhenwei Shi, Member, IEEE, Yuhong Guo,

 

and Jieping Ye, Senior Member, IEEE]

 

논문에 보면 객체 탐지의 Road Map으로 표현된 마일스톤이 너무 잘되어 있다.

 

마일스톤을 보면 우리가 잘 알고 있는 Yolo, CNN 등이 나옴을 알 수 있다.

 

 

여기서 GPU 베이스로 나아가면서 부터 One-Stage Detector, Two-Stage Detector로 분류해서 볼 수 있다.

 

두 종류의 흐름을 이해하기 위해선 Classification과 Region Proposal의 개념을 이해해야 합니다.

 

※ Classification은 특정 물체에 대해 어떤 물체인지 분류를 하는 것

 

※ Region Proposal은 물체가 있을만한 영역을 빠르게 찾아내는 알고리즘입니다.

 

Two-Stage Detector은 이 두 가지를 따로 진행했으며, 이로 인해 객체를 검출하는 정확도 측면에서는 좋은 결과가 나왔습니다.

 

하지만 Stage가 두 개이다 보니 예측 속도가 느려서 실시간 탐지에는 제한이 되었습니다.

 

이러한 Two-Stage의 단점을 보완하기 위해 One-Stage Detector가 발전하게 됩니다.

 

2.1) One-Stage Detector

 

Classification, Regional Proposal을 동시에 수행하여 결과를 얻는 방법입니다.  이미지를 모델에 입력 후,

 

Conv Layer를 사용하여 이미지 특징을 추출합니다.

 

Conv Layer를 통해 Classification, Regional Proposal을 동시에 수행이 가능했고, 이로 인해 Two-Stage의 

 

한계를 극복한 것이라 볼 수 있습니다.

 

출처 : https://pseudo-lab.github.io/Tutorial-Book/chapters/object-detection/Ch1-Object-Detection.html

 

 

2.2) Two-Stage Detector

 

Two-stage Detector는 Classification, Regional Proposal을 순차적으로 수행하여 결과를 얻는 방법입니다.

 

Region Proposal과 Classification을 순차적으로 실행하는 것으로 이런 순차적인 방식이기 때문에 속도에 있어서는

 

한계가 나타난 것으로 볼 수 있습니다.

 

출처 : https://pseudo-lab.github.io/Tutorial-Book/chapters/object-detection/Ch1-Object-Detection.html

 

여기까지 객체 탐지에 대해 간단하게 알아보았습니다.

 

조금 더 공부해서 계속 지식을 업데이트해 나가 보도록 하겠습니다.

 

============================================================================