[Paper Review - Object Detection] 4. YOLOv1

1. YOLOv1 요약

 

1) YOLOv1의 Detection System

 

2) YOLOv1의 장단점

 

(1) 장점

• One-Stage Object Detection
• 45 fps로 빠르다. => Real time object detection에 적합하다.
• 물체에 대해서 더 잘 일반화를 한다.
• 배경에 대해서 잘못 예측하는 경우가 더 적다.

 

(2) 단점

• 더 많은 Localization Error을 가진다.

 

2. YOLOv1의 용어정리

 

1) Leaky ReLU

Leaky ReLU - https://excelsior- cjh.tistory.com /177

• ReLU에서 일부 뉴런이 활성화되지 않는 문제를 개선
• x ≤ 0에 대해서, 0.01x를 적용

 

2) HSV color space

HSV color space 표현 - https:// www.charlezz.com /?p=44906

• (H, S, V)의 좌표로 색을 표현하는 방법
  • H(Hue) : 색상, 색의 종류 (0~179)
  • S(Saturation) : 채도, 색의 탁하고 선명한 정도(0~255)
  • V(Value) : 명도, 빛의 밝기(0~255)
• 원기둥 또는 원뿔 모양으로 표현

 

3) Darknet framework

Darknet의 Emblem - https://zeuseyera.github.io/darknet-kr/11_SaYongBeob/SaYongBeob_Yolo-v3.html

• Joseph Redmon이 독자적으로 개발한 neural network framework
• C, CUDA로 작성된 Open source
• YOLO, AlexNet, VGG-16, Resnet, DenseNet 등의 Model 지원

 

3. Unified Detection

 

1) YOLOv1의 Detection System

 

2) YOLOv1의 Convolution Network

 

3) YOLOv1의 Output

• S = 7, B = 2, C = 20으로 설정

 

4) YOLOv1의 Detection System 요약

• Detection System
  • Image를 S x S grid-cell로 분리
  • 각 grid-cell은 B개의 box predicter가 존재하고, box predicter는 (x, y, w, h) + confidence를 예측
  • 각 grid-cell은 C개의 class에 대한 확률 값을 가진다.
• Network Design
  • GoogleNet에서 3 x 3 conv layers – 1 x 1 conv layers를 추가
  • 24개의 convolutional layers – 2개의 fully connected layer의 구조.

 

5) YOLOv1의 학습

 

(1) Pre-trained layer 및 Fine-tuned layer

 

(2)  Layer 세부사항

1. Pre-trained layers
   • 학습데이터 : 1000 – ImageNet 1000-class competition dataset
   • 입력 형태 : 224 x 224
   • Network 구조 : 20 Conv layers(+ average-pooling layers) + fully connected layer
2. Fine-tuned layers
   • Network 구조 : 4 Conv layers +  fully connected layer1 + fully connected layer2
     • 4 Conv layers +  fully connected layer1
       • Random Initialize
       • 입력 형태 : 448 x 448
     • fully connected layer2
       • Class probability & box coordinates 예측 -> w, h는 이미지의 너비, 높이에 정규화, x, y는 grid cell location의 offset
       • linear activation 사용

 

(3) 학습시 예측한 Bounding box 사용

 

(4) Multi-part Loss function

 

(5) 학습 정보

• Parameters
  • Epochs : 135
  • Batch size : 64
  • Momentum : 0.9
  • Decay : 0.0005
• Learning rate schedule
  • first epochs는 10^(-3)  →10^(-2) 로 서서히 증가 => Gradient exploding 방지
  • 75 epochs까지는 10^(-2) 로, 이후 30 epochs까지는 10^(-3), 마지막 30 epochs는 10^(-4)로 학습 => 수렴에 가까워질 때, 세밀한 조정
• Avoid overfitting
  • dropout : 0.5
  • extensive data augmentation
  • HSV color space에서 1.5배까지 exposure과 saturation을 무작위로 조정

 

6) YOLOv1 추론

• S = 7, B = 2, C = 20으로 설정

 

7) YOLOv1의 한계

 

(1) 비정상 객체에 대한 탐지 어려움

 

(2) 작은 객체에 대한 탐지 어려움

 

8) YOLOv1의 강점

• One-Stage Object Detection
• Single-stage pipeline
• Simple architecture
• Fewer region proposals
• No required additional classification

 

4. 실험

 

1) 다른 Real-time Detection 모델과 비교

• 다른 모델에 비해 빠른 속도와 준수한 정확도를 지닌다.

 

2) VOC 2007 데이터셋에 대한 Error 분석(Fast R-CNN과 비교)

 

3) Fast R-CNN과 YOLO을 결합한 경우의 성능 실험

• 결합한 경우 성능이 더 향상된다.

 

4) VOC 2012 데이터셋에 대한 성능 실험

• 작은 객체에 대한 탐지 성능이 다른 모델에 비해 떨어진다.
• 유사한 객체가 존재하는 객체에 대해서도 성능이 떨어진다.

 

5) Generalizability 실험

• Domain이 다른 객체에 대해서도 좋은 탐지 성능을 보인다 => 일반화 가능성이 존재

 

---

< Reference >

[1] Joseph Redmon, Santosh Divvala, Ross Girshick, Ali Farhadi. ou Only Look Once: Unified, Real-Time Object Detection. IN CSCV, 2016

[2] 이윤승. https://www.youtube.com/watch?v=O78V3kwBRBk