[Object Detection] R-CNN Follow-Up

안녕하세요 😀 pulluper 입니다. 

 

새해가 밝아서 이제 2022년이 되었네요 :)

 

새해를 맞이하여 이번 포스팅에서는 R-CNN 을 이용한

 

object detection 의 follow-up 을 위하여 대표적인 논문을 한번 알아보겠습니다.

 

시간이 허락한다면 열심히 정리를 해서 다 분석과 구현을 해보고 싶네요.

 

수많은 좋은 논문 들 중 유명한 computer vision confernce(CVPR, ECCV, ICCV 등)

 

에서 발표된 아주 일부의 논문을 기준으로 작성하였습니다. 

 

각 년도별로 하나씩은 정리를 할 예정이며, 계속 추가를 할 예정입니다. :)

 

중간중간에 빼먹은 논문이나 추가하고 싶은 논문들은 댓글 달아주세요 ㅎㅎ

 

 

1. R-CNN (CVPR 2014)

논문 : paper

포스팅 : post

요약 : "Rich feature hierarchies for accurate object detection and semantic segmentation." 라는 이름의 논문입니다.  

완벽한 end-to-end learning 방법을 사용하지 않았지만, R-CNN 의 시초가 되는 논문입니다. 

 

2. Fast R-CNN (ICCV 2015)

논문 : paper

포스팅 : post

[Object Detection] Fast R-CNN(ICCV2015) 논문리뷰

"Fast R-CNN" 이름 그대로의 논문이며, R-CNN과 SPP-net 의 여러 문제를 해결하며 Region proposal 을

selective search 방법으로 구하여 detection 전체를 학습시켜 속도/성능을 높인 논문입니다. 

 

3. Faster R-CNN (NIPS 2016)

논문 : paper

포스팅 : https://csm-kr.tistory.com/30 

[Object Detection] Faster R-CNN (NIPS2016) 엄밀한 리뷰 및 코드 구현 (RPN편)

요약 : "Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks" 는 이름이며, 지금까지도 성능비교나 산업에도 쓰이는 매우 유명한 논문입니다. Region Proposal Network 을 제안하였으며, Fast R-CNN과 결합을 하여 당시에 매우 빠르며 성능도 높은 2 stage 의 대표적인 논문입니다. 

 

4. Mask R-CNN (ICCV 2017)

논문 : paper

포스팅 : post

요약 : Faster RCNN 을 segmentation 에 적용한 논문으로

 

5. Cascade R-CNN (CVPR 2018)

논문 : paper

포스팅 : post

 

6. Libra R-CNN (CVPR 2019)

논문 : paper

포스팅 : post

요약 : "Libra R-CNN: Towards Balanced Learning for Object Detection" 라는 논문이며,

classification 과 regression loss 에 대한 balance 를 생각한 논문입니다. 

 

7. Dynamic R-CNN (ECCV 2020)

논문 : paper

포스팅 : post

요약 : 

 

8. Sparse R-CNN (CVPR 2021)

논문 : paper

포스팅 : post

요약 : "Sparse R-CNN: End-to-End Object Detection with Learnable Proposals" 의 이름의 논문이며, 

CVPR2021에 게제된 논문입니다.  sparse-RCNN 이라는 방법을 사용하여, 빠른 수렴과 높은 성능을 보입니다. 

 

9. Dynamic Sparse R-CNN (CVPR 2022)

논문 : https://openaccess.thecvf.com/content/CVPR2022/papers/Hong_Dynamic_Sparse_R-CNN_CVPR_2022_paper.pdf

포스팅 : post

요약 : 

감사합니다.