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

[1] 발표자: 이윤승
[2] 논문: You Only Look Once: Unified, Real-Time Object Detection (arxiv.org/abs/...)
[3] 발표자료: drive.google.c...

[@이규철-m7q]

친절하고 차근차근 설명해 주셔서 잘 들었습니다. 감사해요.

[@lIlIlIl-kn4eh]

발표에서 배경지식이 부족한 청자들을 배려한 게 많이 느껴지네요 감사합니다!

[@gunlee2527]

댓글보니 다들 Yolo 알고리즘 전문가이신 듯한데...초심자들에게는 여전히 장벽이 있는 알고리즘인 것 같습니다.
질문 하나 드려도 될런지요?
Yolo 손실함수로 어떻게 학습을 시키는 걸까요? 역전파를 태운다고 해도 어떤 매개변수를 조정하는지 통 알 수가 없네요.
그리고 추론과정에서 class-specific 신뢰도 지수가 산출되는데 이 건 정답과의 비교를 통해서만 계산되는 수치로 보입니다.
이 수치에 기반해서 NMS가 돌아가는 걸로 이해되는데 결국 예측을 하기 위해 정답을 사용한다는 걸로 들리는데 뭔가 모순적인 것 같습니다.
이 2가지를 제대로 설명하는 영상은 없는 것 같습니다.

[@줴췌즈]

안녕하세요.
저도 YOLO를 공부하고 있는 학생입니다. 저도 같은 궁금증이 있어 몇가지를 찾아보던 중 YOLO 영상에 똑같은 댓글이 여러번 달려 미약하지만 제가 이해한 내용 공유드립니다/
1. 손실함수로 어떻게 학습시키는지?
이 부분은 작성자분이 딥러닝 학습 방법에 대해 정확히 이해하지 못하시는 것 같습니다. (제 추측입니다. 아니라면 죄송합니다.)
손실함수를 통해 순전파 때 연산되었던 CNN 그리고 FC 부분의 매개변수(가중치, 편향)가 gradient descent를 통해 방향이 결정되고 최소화하는 것입니다.
2. 신뢰도는 정답과 같이 쓰이는 것이 아닌가?
물론 학습과정에서 IOU를 구할 때는 예측 박스와 정답 박스를 통해 IOU를 구하고 신뢰도를 구하는게 맞습니다.
단, 테스트 과정에서는 정답 데이터를 볼 수 없으니 정답 박스를 활용해서 IOU를 구하는게 아닙니다.
학습과정에서 모델이 물체가 있을 법한 위치의 바운딩 박스와 신뢰도에 대해 잘 학습했습니다. 테스트 시 모델이 바운딩 박스의 위치를 예측하듯이, 신뢰도도 예측하여 점수를 매기는 것입니다.
그러므로 테스트 시에는 학습에서 사용한 매커니즘의 IOU를 쓴다고 할 수 없습니다.
부족한 실력이지만 이해에 도움이 되셨으면 좋겠습니다.

[@jungyoungkim6171]

강의 잘 들었습니다. 발표자료 링크가 깨져 있던데 혹시 자료를 공유해 주실 수 있으신가요?

[@ship9136]

말씀이 조곤조곤하셔서 편하게 들었습니다. 발표 구성도 알차서 이해에 많은 도움이 되었습니다. 감사합니다!

[@gdg1957]

배경지식이 부족한 저도 대부분을 이해할 수 있는 좋은 pt였습니다. 감사합니다.

[@user-gi3tc8yr6j]

이번에 발표를 맡았는데 논문 영어로만 봐서 이해를 못하다가, 이 동영상보고 많이 이해됐습니다. 감사합니다!!

[@ParkSeulgi-p9m]

안녕하세요. 꼼꼼한 리뷰 잘 봤습니다.
공부목적으로 사용한다는 약속 하에 혹시 ppt자료 공유부탁드려도 될까요 ?

[@Kim-gy7vn]

좋은 영상 감사합니다.

[@jyc3481]

고등학생 때 본 논문인데 되게 반갑네

[@chandank5266]

Didn't know japanese but I was able to understand the concept through PPT,
An english version is well appreciated, :) 831

[@여우붉은-h4g]

No it is korea