[연구실] 1. YOLO 논문

<목표>

1. 우선 들어오는 이미지에 대해 Object detection을 진행한 후, 객체가 일치하는 사진에 대해서만 유사도를 측정한다.
2. Object detection을 위한 모델을 일단 YOLO 모델을 사용한다.
3. 유사도 측정을 위한 유사도 측정 지표를 학인
4. torch serve를 통해 서버와 통신하는 방법 알기

• YOLO 논문 분석

: 아이패드의 요약본 첨부

=> 의문점
1. 20 개의 객체로 분류한다. 만일 이미지 데이터가 20개 객체 밖의 다른 객체가 존재한다면 어떻게 처리해야하는가?
2. 우선 AI 허브 데이터가
YOLO에서 잘 동작하는지 확인해봐야함
3. YOLO 모델을 그냥 가져다가 써도 좋을듯한데...
=> 우선 이미지 데이터 전처리가 필요하다 448 x 448
* 사용 방법
https://pytorch.org/hub/ultralytics_yolov5/

• 유사도 측정 지표

: 어떻게 해당 이미지가 유사한지에 대한 기준이 무엇인지?
딥러닝 기반 이미지 특징 추출 모델을 이용한 유사 디자인 검출에 대한 연구의 이미지 유사도 측정 지표를 기준으로 하기로 했었다.
우선, 해당 연구는 이미지에 대한 특징 정보를 추출하여 서로 얼마나 유사한지를 측정한다.

1. 유사도 함수를 스피어만 상관계수로 표현
2. 측정 지표: 각 이미지의 회전, 색상 변경 이미지가 원본 이미지와 유사한 이미지로 검출되는지 측정하기 위해서 가장 유사한 이미지 Top-n개를 도출하여 그 안에 회전 이미지 와 색상 변경 이미지가 포함되는 지를 측정한다.

=> 이미지 특징 정보를 추출하면 이것이 vector의 값으로 됨: cosine similarity를 이용
* 참고: https://medium.com/daangn/%EC%9D%B4%EB%AF%B8%EC%A7%80-%ED%83%90%EC%A7%80%EA%B8%B0-%EC%89%BD%EA%B2%8C-%EA%B5%AC%ED%98%84%ED%95%98%EA%B8%B0-abd967638c8e

이미지 탐지기 쉽게 구현하기

=> 이미지 특징 정보 추출 모델에 대한 생각 다시 해보기

• torchserve

https://aws.amazon.com/ko/blogs/korea/announcing-torchserve-an-open-source-model-server-for-pytorch/