makaya2のブックマーク - はてなブックマーク

【物体検出手法の歴史 : YOLOの紹介】 - Qiita
（2020/12/3訂正：論文中の単語ConfidenceとConfidence score（信頼度スコア）について本項での表現が紛らわしかったのでその修正と合わせて大幅に追記させていただきました。）本稿は，YOLO【You Only Look Once: Unified, Real-Time Object Detection】，を簡潔に紹介したものです．本項では，YOLOの理解をする上で物体検出の歴史を辿りながら，わかりやすく記述することを心がけました．また，YOLOの論文の内容を忠実にお読みになりたい方は「YOLOv3 論文訳」の方をご参照ください． ※専門性があると判断した用語については日本語訳せずそのまま記述するか，()の中に元の単語を記述しています． YOLOの名前の由来まず，YOLOという名前の由来から見ていきましょう． YOLOは， “Humans glance at
makaya2 2021/07/30
機械学習

YOLO

歴史
リンク
【物体検出】mAP ( mean Average Precision ) の算出方法 - Qiita
物体検出の評価指標であるmAPの算出方法を詳しく説明している記事が少なかったのでまとめました．修論執筆に際してかなり丁寧にまとめたつもりです． mAP(Mean Average Precision), AP(Average Precision)は物体検出の精度を比較するための指標です．これらを理解するためには，TP(True Positive), FP(False Positive), FN(False Negative), TN(True Negative), Precision, Recallの概念と，物体検出において重要なIoU(Intersection over Union)の概念を知る必要があります．画像分類と物体検出ではTP,FP,FN,TNの指す意味が異なってきます．そこで，この記事ではそれらの違いを明確にするために 1. TP, FP, FN, TN, Precis
makaya2 2021/04/01
機械学習
リンク
YOLOv3 論文訳 - Qiita
YOLOv3論文訳 SSDの3倍速いことで今流行りのYOLOv3の実装にあたって論文を読むことがあると思いますので，基本的な部分を簡単な日本語訳でまとめました．詳しくは無心で元論文を読むことをお勧めします．元論文(yolov3)：https://arxiv.org/abs/1804.02767 YOLOの公式サイト（by Joseph Redmon）：https://pjreddie.com/darknet/yolo/ ※著者は洋画吹き替えにインスパイヤされているため，一部訳がフランクな箇所があります．百聞は一見に如かず．YOLOの凄さを感じて，この記事を読むモチベーションを少しでも上げるために，YOLOの作者Joseph RedmonがプレゼンするTED動画を見ることを強くお勧めします！ちなみにJosephさんはYOLOで使われるベースネットに"Darknet"と名付けるなど，中二病
makaya2 2021/03/19
機械学習

YOLO
リンク
1