[16′ CVPR] YOLO v1 : You Only Look Once: Unified, Real-Time Object Detection
YOLO v1 논문의 핵심 내용을 리뷰합니다. 먼저 기존 Object Detection 방법의 문제점을 살펴봅니다. 이어서 YOLO v1의 제안 방법을 살펴봅니다. 마지막으로 다른 방법들과의 성능 비교 실험을 통해 YOLO v1의 효과를 확인합니다.
Object Detection
[17′ CVPR] YOLO v2 : YOLO9000: Better, Faster, Stronger
YOLO v2 논문의 핵심 내용을 리뷰합니다. YOLO v1 등 기존 방법의 문제점을 살펴봅니다. 더 좋은 성능의 YOLO인 YOLO v2의 제안 방법을 살펴봅니다. 9000개 클래스를 탐지할 수 있는 YOLO 9000 방법을 살펴봅니다.
[17′ ICCV] RetinaNet : Focal Loss for Dense Object Detection
Focal Loss 논문의 핵심 내용을 리뷰합니다. Cross Entropy Loss의 한계를 살펴봅니다. Balanced Cross Entropy Loss의 한계를 살펴봅니다. Focal Loss를 살펴봅니다.
[18′ arxiv] YOLO v3
YOLO v3 논문의 핵심 내용을 리뷰합니다. 먼저 기존 방법의 문제점을 살펴봅니다. 이어서 이를 해결하기 위한 YOLO v3의 제안 방법을 살펴봅니다. 마지막으로 성능 비교 실험을 통해 YOLO v3의 효과를 확인합니다.
[20′ arxiv] YOLO v4: Optimal Speed and Accuracy of Object Detection
YOLO v4 논문의 핵심 내용을 리뷰합니다. 먼저 기존 방법의 문제점을 살펴봅니다. 이어서 이를 해결하기 위한 YOLO v4의 제안 방법을 살펴봅니다. 마지막으로 성능 비교 실험을 통해 YOLO v4의 효과를 확인합니다.
