D-FINE: Redefine Regression Task in DETRs as Fine-grained Distribution RefinementPeng, Yansong, et al. "D-FINE: Redefine Regression Task in DETRs as Fine-grained Distribution Refinement." arXiv preprint arXiv:2410.13842 (2024).RT Detection SOTA D-fine에 대해 리뷰 진행.AP와 Latency 사이에서 둘 다 굉장히 우수한 DETR 기반의 RT Detector이다.아마도 이 정도의 FPS와 box AP의 성능이라면,End-to-End 방식이라는 점과 결합하여 Yolo를 밀어낼만한 충분한 detector라고 생각한..

BoostTrack++ : using tracklet information to detect more objects in multiple object trackingStanojević, Vukašin, and Branimir Todorović. "BoostTrack++: using tracklet information to detect more objects in multiple object tracking." arXiv preprint arXiv:2408.13003 (2024).2024년 8월23일 sumitted한 최근 논문인데, 현재 SOTA로 등록되어 있어서 해당 논문을 리뷰한다(아직 논문 accept는 아지만...)너무 최근꺼라 리뷰한 글이 없는거 같아서, 오히려 좋아~ 1. Introducti..

현재 Real-time detection SOTA에MOT20에 대해 tracking sota를 달성하고 있는 boosttrack에서의 tracking algorithm만 빼와서 적용시켜볼 계획,우선 boosttrack에 대한 리뷰 후, 해당을 진행하도록 하겠다.해당 과정은 계속 update할 것이며, github가 먼저 update되니 참조https://github.com/yeongjinHwang/RT-DETR(실제로 detection하고, tracking도 가능해야 영상 데이터에 대해서, 다른 frame에서 서로 같은것임을 판단할 수 있으므로)우선, boosttrack에 대해 리뷰를 할텐데, 성능과 latency사이에서, real-time에 적합하지않다고 생각한다면,다른 tracking paper들도 ..

2024.12.10 - [Study/computer vision] - DETR : End-to-End Object Detection with TransformersRT-DETR : DETRs Beat YOLOs on Real-time Object DetectionZhao, Yian, et al. "Detrs beat yolos on real-time object detection." Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. 2024.2024년에 따끈따끈하게 올라온 DETR을 Real-Time Object Detection하기 위해 나온 논문이다.(accept는 2024년이지만 아카이브는 2023년에..

2024.12.10 - [Study/SOTA paper] - DETR : End-to-End Object Detection with TransformersLib, Config: Inference용도이기에 backpropagation gradient Falsefrom PIL import Imageimport requestsimport matplotlib.pyplot as plt%config InlineBackend.figure_format = 'retina'import torchfrom torch import nnfrom torchvision.models import resnet50import torchvision.transforms as Ttorch.set_grad_enabled(False)Modelin..

2024.12.10 - [Study/SOTA paper] - DETR : Inference code reviewDETR : End-to-End Object Detection with TransformersCarion, Nicolas, et al. "End-to-end object detection with transformers." European conference on computer vision. Cham: Springer International Publishing, 2020.1. Introductionobject detection target : each object of interet에 대해 bounding box와 category labels prediction현재 기술들은 proposals..

여러 자료를 봤는데... skip connection에 대해 설명이 어려워서 이해하기 쉽도록 수정해보았다.Degradation Problem이전에는 layer를 쌓아도 error rate가 증가하는 문제: layer가 깊어졌을 때 model이 수렴했음에도 레이어가 적을 때보다 모델의 error (training, test)가 더 커지는 현상이 발생, 이것은 overfitting 문제가 아니라, layer가 깊어짐에 따라 optimize가 잘 안되기에 발생하는 문제Skip connectionresnet에서 deep한 layer를 쌓기 위해   위의 문제를 해결하기 위한 skip connection 제안input(x)에 대해 만들고 싶은 것을 H(x)라고 가정이것을 기존에는 F(x)로 만들었다. Redisu..

카테고리1. Data Augmentation Techniques      1-1-1: Synthetic occlusion generation during training     1-1-2: Randomized part masking to improve model robustness     1-1-3: Introducing artificial occlusion patterns in training datasets2. Advanced Neural Network Architectures     2-1-1: Multi-branch networks with occlusion-aware feature extraction     2-1-2: Attention mechanisms that can handle parti..