딥러닝 객체 탐지(Object Detection)

Key Claims

기초: LeNet-5와 System 1/2

• LeNet-5(LeCun, 1998): Conv → AvgPool → Conv → AvgPool → FC 구조. 레이어가 적어 tanh activation으로도 동작.¹
• NeurIPS 2019 System 1/2: Kahneman의 인지 심리학을 AI에 적용. System 1(빠르고 직관적) vs System 2(느리고 논리적) → 각각 다른 알고리즘 설계 방향.¹

탐지 파이프라인

• 일반 객체 탐지 프레임워크 3단계: (1) Region Proposal, (2) Feature Extraction + CNN 예측, (3) Non-Maximum Suppression(NMS).²
• NMS: 중복 경계 상자 중 IoU(Intersection over Union)가 임계값 이상인 박스를 제거해 최적 박스 하나만 남긴다.³
• Selective Search: 색상·질감 유사 영역을 병합하며 RoI 후보를 생성하는 2단계 방법. R-CNN에 사용.³

R-CNN 계열 진화

³

• RPN(Region Proposal Network): Faster R-CNN에서 Selective Search를 대체. Anchor Box로 후보 영역을 빠르게 생성.³
• Anchor Box: 각 위치에 미리 정의된 크기/비율의 박스들. Selective Search보다 계산량이 적어 추론 속도가 빠르다.³

SSD와 YOLO

• SSD(Single Shot Detection): Selective Search 없이 Multi-Scale Feature Layer에서 Anchor Box를 직접 사용. 다양한 크기 객체를 하나의 패스로 탐지.⁴
• SSD 분류기 노드 수: 3×3×(4×(classes+4)). Anchor Box 4개, 좌표 4개.⁴
• YOLO: 이미지를 S×S Grid로 분할, 각 셀이 Object Detection 수행. 속도 최우선 설계.⁴

평가 지표

• mAP(mean Average Precision): 클래스별 Precision-Recall 곡선 아래 면적(AP)을 평균. 모든 클래스에 걸친 성능 평균이다.⁴
• IoU: 예측 박스와 실제 박스의 교집합/합집합 비율. NMS와 mAP 계산에 사용.²

Examples / Code

LeNet-5 Keras 구현:

from keras.models import Sequential
from keras.layers import Conv2D, AveragePooling2D, Flatten, Dense
 
model = Sequential([
    Conv2D(6, kernel_size=(5,5), activation='tanh', input_shape=input_shape, padding='same'),
    AveragePooling2D(pool_size=(2,2), strides=2),
    Conv2D(16, kernel_size=(5,5), activation='tanh', padding='valid'),
    AveragePooling2D(pool_size=(2,2), strides=2),
    Conv2D(120, kernel_size=(5,5), activation='tanh', padding='valid'),
    Flatten(),
    Dense(84, activation='tanh'),
    Dense(num_classes, activation='softmax')
])

Selective Search 설치 및 사용:

pip install selectivesearch

Connections

• transformer-architecture — Transformer의 attention 메커니즘은 이후 Vision Transformer(ViT)를 통해 객체 탐지에도 적용됨

Footnotes