Notice
Recent Posts
Recent Comments
Link
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | |||||
3 | 4 | 5 | 6 | 7 | 8 | 9 |
10 | 11 | 12 | 13 | 14 | 15 | 16 |
17 | 18 | 19 | 20 | 21 | 22 | 23 |
24 | 25 | 26 | 27 | 28 | 29 | 30 |
Tags
- pdf parsing
- 활성화함수
- segmentation
- visual instruction tuning
- 퍼셉트론
- 손실함수
- Cross Entropy Error
- LLaVA
- LLM
- leetcode
- 딥러닝
- deep learning
- 머신러닝
- rag parsing
- 오차역전파
- 컴퓨터비전
- E
- 활성화 함수
- 이상탐지
- anomaly detection
- Mean squared error
- 합성곱 신경망
- CNN
- 데이터 파싱
- computer vision
- 시계열
- Non-Maximum Suppression
- nlp
- Time Series
Archives
- Today
- Total
목록Non-Maximum Suppression (1)
굴러가는 분석가의 일상
[Object Detection] NMS(Non-Maximum Suppression)
💡 Non-Max Suppression이란, 입력 이미지에 Object Detection 알고리즘에 의해 bounding box regression이 적용되면, 아래의 그림과 같이 객체에 여러 개의 bboxr가 그려지며 물체의 확률 값을 가지게 됩니다. 여러 개의 bbox 중 가장 스코어가 높은 박스만 남기고 나머지를 제거하는 것이 Non-Maximum Suppression 이라고 합니다. 이를 통해 모델을 간결하게 하고 중북된 결과를 제거함으로써 정확한 객체 탐지를 수행할 수 있습니다. 📌 동작 원리 ① Object Detection 후보군 추출 : 객체탐지 모델을 사용하여 입력 이미지에서 객체 후보군을 추출합니다. 이에 각 후보 객체에 대한 추상적인 위치와 해당 객체가 어떤 클래스에 속하는지에 대한 ..
Computer Vision
2024. 3. 23. 04:18