목차/차례
1. 서론
2. Yolo의 등장 배경 및 개발 현황
3. Yolo와 기본 Object Detection 방식의 차이
4. Yolo의 Image Process 과정
5. Non-max suppression이란
6. Yolo의 input과 output 처리
7. Yolo에서 Confidence score란
8. Yolo의 Network Design
9. Yolo에서의 Training
10. Yolo의 Inference
11. 결론 - Yolo의 장점과 그 한계
12. 실습 Yolo v4를 이용한 나만의 학습 데이터셋 만들기
13. 느낀점
Reference
본문/내용
1. 서론
YOLO(You Only Look Onc시리즈는 객체 탐지 분야에서 혁신적인 발전을 이룬 알고리즘으로, 실시간 물체 인식의 가능성을 열어준다. YOLO V4는 이 시리즈의 네 번째 버전으로, YOLO 시리즈가 효율성과 정확성의 균형을 어떻게 발전시켜왔는지를 잘 보여준다. YOLO V4는 여러 최신 기술들과 기법들을 통합하여, 이전 버전들보다 더욱 향상된 성능을 발휘하며, 연구자와 개발자들에게 깊은 인상을 남겼다. 객체 탐지는 컴퓨터 비전 분야에서 중요한 역할을 하며, 자율 주행 차량, 감시 시스템, 로봇 비전 등 다양한 응용 분야에서 응용된다. 이러한 필요성에 의해, YOLO와 같은 실시간 객체 탐지 모델의 개발이 더욱 중요해졌다. YOLO V4의 주요 특징 중 하나는 그 속도와 정확도의 융합이다. 다른 최신 모델들과 비교할 때, YOLO V4는 거의 실시간으로 영상 처리와 객체 탐지를 수행할 수 있는 능력을 가지고 있어, 다양한 실용적 응용에 적합한다. 특히, YOLO V4는 멀티스케일 예측을 통해 다양한 크기의 객체를 효과적으로 검출할 수 있는 능력을 향상시켰다. 이는 YOLO V4가 다양한 응용에서 우수한 성능을 발휘하게 하는 한 중요한 요소이다. 또 다른 큰 장점은 …