학습목표

• 경계상자를 예측하는 방법을 배운다

핵심키워드

• 경계상자 (bounding box)
  
• YOLO (You Only Look Once) 알고리즘

해당 강좌의 영상은 deeplearning.ai YouTube 공식채널에서 게재되지 않았음으로 아래 설명과 영상을 참고해주세요! 

https://youtu.be/DFjHkXhkYzA

학습내용

• 각 격자 셀에서 경계상자를 조금 더 정확하게 예측하는 방법을 YOLO 알고리즘을 통해 알아봅니다.
• 이전 시간에서 배운것을 적용하면, 3x3인 격자셀에 물체 인식 알고리즘을 적용하면, 아래 그림과 같습니다.
  

• 각 격자셀에 대해 해당하는 라벨값이 있습니다. 만약에 물체가 격자 셀 내에 존재 하게 된다면 격자 셀 내에서 해당하는 물체의 위치 중심값을  b_x  b​x​​ ,  b_y  b​y​​ 로 설정하게 됩니다. 만약에 출체가 격자 셀 내에 없다면, 물체의 존재 여부는  $0$ 이 되고, 나머지 경계상자 값은 관심이 없으니 임의의 값으로 설정하게 됩니다.
• 따라서 최종적으로 출력은 3 x 3 x 8 크기의 형태입니다. 각 8 차원의 벡터가 격자셀에 맞게 쌓여 있는 모습입니다. 이를 라벨링 된 볼륨과 오차를 구한뒤 역전파를 통해 학습 시키게 됩니다.
• 테스트시 이미지를 넣으면 3 x 3 x 8 형태의 출력을 얻고, 물체 존재 여부가 1인 벡터의 경계상자 값만 불러와서 그리게 됩니다. 
• 실제로는 더 큰 격자 셀들을 활용하게 됩니다.
• 경계상자 값중 중심값  b_x, b_y  b​x​​,b​y​​ 은  $0$  과  $1$  사이의 값을 가집니다. 하지만 경계상자의 높이와 넓이 비중은  $1$ 보가 클 수도 있습니다.
  

학습자료