딥러닝 객체 검출 용어 정리

1. Classification

입력으로 주어진 이미지 안의 객체의 종류를 구분하는 행위입니다.

학습방법 : Classification Model은 이미지를 보고 각 폴더에 분류 후 학습 시켜 만듭니다. Model을 만들기 위한 분류 작업은 사람이 하게 됩니다.

생성된 Classification에 이미지를 입력하면 결과 값을 줍니다.

2.  Localization

주어진 이미지 안의 Object 가 이미지 안의 어느 위치에 있는지 위치 정보를 출력하는 것입니다. 이제부터는 위치 정보가 필요합니다. (X, Y, W, H)

학습방법 : Localization Model은 이미지의 좌표를 Text 형태로 저장해야 합니다. 좌표 정보를 얻기 위해 Labeling 프로그램을 이용합니다.

데이타의 형태는 아래 와 같습니다.

3.  Object Detection

Classification 과 Localization 이 동시에 수행되는 것을 의미합니다. 위치 정보와 Label 정보가 필요합니다.

학습방법 : Object Detection Model은 이미지의 좌표와 Label의 정보를 Text 형태로 저장해야 합니다. 좌표 정보, Labeling을 하기 위해 Labeling 프로그램을 이용합니다.

데이타의 형태는 아래 와 같습니다.

4. Object Segmentation

object detection을 통해 검출된 object 의 형상을 따라서 object 의 영역을 표시하는 것입니다.

학습방법 : Object Segmentation Model을 위해서는 좀 더 정확한 Labeling이 필요합니다.

---

일반적으로 많이 사용되는 Object Detection Model (사람, 자동차, 개, 고양이 등) 은 많이 있지만 특정 Object만을 추출하도록 Model을 만들고 싶다면 결과적으로 학습 데이터를 모두 생성해야 합니다.

예시)

---

조만간...

Sample Labeling만으로 Auto-Labeling을 수행하고 결과물에 대한 검수만으로 대량의 Labeling 데이터를 확보 할 수 있는 프로그램을 개발하려고 합니다.