[Object detection 네트워크 비교]현대 딥 러닝 기반 객체 감지 모델에 대한 조사
A survey of modern deep learning based object detection models
8. Comparative results
표 4 . 유사한 입력 이미지 크기에서 MS COCO 및 PASCAL VOC 2012 데이터 세트에 대한 다양한 물체 감지기의 성능 비교. 회색으로 표시된 행은 실시간 감지기입니다(>30 FPS).
*로 표시된 모델은 PASCAL VOC 2012에서, 다른 모델은 MS COCO에서 비교됩니다.
10. Conclusion
object detection은 지난 10년 동안 먼 길을 왔음에도 불구하고 최고의 감지기는 여전히 성능의 포화 상태와는 거리가 멉니다. 현실 세계에서 응용 프로그램이 증가함에 따라 모바일 및 임베디드 시스템에 배포할 수 있는 경량 모델에 대한 필요성이 기하급수적으로 증가할 것입니다. 이 영역에 대한 관심이 증가하고 있지만 여전히 열려 있는 과제입니다. 이 문서에서 우리는 다양한 물체 감지기가 이전 제품보다 어떻게 발전했는지 보여주었습니다. 일반적으로 2단계 감지기가 더 정확하지만 속도가 느리고 자율주행차나 보안과 같은 실시간 애플리케이션에는 사용할 수 없습니다. 그러나 지난 몇 년 동안 1단계 검출기가 전자보다 훨씬 정확하고 훨씬 더 빠르게 변화했습니다. 그림 10 에서 알 수 있듯이, transformer based detector i.e. Swin Transformer 는 현재까지 가장 정확한 감지기입니다. 현재 검출기의 정확도가 긍정적인 추세이므로 보다 정확하고 빠른 검출기에 대한 기대가 큽니다..
참고자료: Zaidi, Syed Sahil Abbas, et al. "A survey of modern deep learning based object detection models." Digital Signal Processing (2022): 103514.