SPPNet

1. Fast RCNN 특징 1-1 SPP Layer 를 ROI Pooling Layer 로 변환 - SPPNet에서 SPP Layer를 ROI Pooling 으로 바꿔주는 것이 FastRCNN 이라고 보면 된다. - Featrure Map 에서 Selective Search 와 매칭된 서로 다른 크기의 Feature Map region 들을 max pooling 하여 고정된 크기의 벡터를 전달해주거나 Feature Map region를 억지로 고정된 크기로 바꿔준 다음에 전달 - SPPNet에서는 매핑된 Feature Map 은 분면별로 나눠서 1차원 형식으로 SPP Layer에 전달 했지면, Fast RCNN에선 7x7로 전달 - FC 층을 거쳐 softmax 와 bounding box regress..

1. SPPNet 등장 배경 - SPPNet은 RCNN의 한계점을 극복하기 위해 나온 모델이기 때문에 RCNN의 한계점을 아는 것이 중요 - R-CNN에서 살펴봤듯이 FC layer가 고정된 입력 크기를 필요로 하기 때문에 크기를 고정시키기 위해서 crop, wrap을 적용하여 이미지가 변형되고 손실되는 현상이 발생 - 각 Region Proposal 마다 Object Detection을 별도로 수행해야 되게 때문에 학습시간이 길어짐 2. 긴 학습시간 문제를 해결 - Feature Extractor 를 통과하여 생성된 [Feature Map]과 Selective Search로 형성된 [Region Proposal]들 중 비슷한 region들 끼리 매핑을 해준다. - 이러한 방식으로 기존 R-CNN에서 하..