YOLOv3 객체 검출

■ YOLO란 ?

• You Only Look Once
• 실시간 객체 검출 딥러닝 알고리즘 
• https://pjreddie.com/darknet/yolo

YOLO: Real-Time Object Detection

■ YOLOv3

• 2018년 4월 발표된 Tech Report
• https://arxiv.org/abs/1804.02767

YOLOv3: An Incremental Improvement

• 기존 객체 검출 방법과 성능은 비슷하고 속도는 훨씬 빠름 
• COCO 데이터셋 사용 (80개 클래스 객체 검출)
• https://cocodataset.org

COCO - Common Objects in Context

• YOLO는 속도가 50ms 이하의 좋은 성능을 보임 

• 학습 데이터 파일 다운로드 가능하며, COCO Dataset 은 MS에서 공개해놓은 Traing Dataset 
• weights 는 YOLO 모델 파일
• cfg 는 Config 파일 

■ YOLOv3 네트워크 구조 

• 입력값 : 416 x 416 [0,1] nomalization 되어 있으며 컬러 채널은 RGB 를 사용한다.  
• 출력값 : 총 3군데 (82번째 출력, 94번째 출력, 106번째 출력)  
    - 조합해서 찾고자 하는 Object를 선정 한다. 
    - 507 X 85, 2028 X 85, 8112 X 85 형태의 Array 나옴 

■ YOLOv3 입력

• SIZE : (320, 320), (416, 416), (608, 608)
• Scale : 0.00392, (1/255)
• Mean : [0, 0, 0]
• RGB : true

■ YOLOv3 출력

• 3개의 출력 레이어
  - outs[0].shape = (507,85), 507 = 13 * 13 * 3
  - outs[1].shape = (2028, 85), 2028 = 26 * 26 * 3
  - outs[2].shape = (8112, 85), 8112 = 52 * 52 * 3

■ YOLOv3 모델 & 설정 파일 다운로드

• 모델 파일 
  - https://pjreddie.com/media/files/yolov3.weights
• 설정 파일
  - https://github.com/pjreddie/darknet/blob/master/cfg/yolov3.cfg
• 클래스 이름 파일 
  - https://github.com/pjreddie/darknet/blob/master/data/voc.names

GitHub - pjreddie/darknet: Convolutional Neural Networks