[CV] Object Detection, R-CNN계열 간단 정리: R-CNN, Fast, Faster

<RoI 추출 방법: selective search 수행>

1. R-CNN

• 3가지 모듈 (region proposal, classification, bounding box regression)을 각각 따로따로 수행한다.
• region proposal 추출 → 2000xCNN 연산→ classification  → Bbox regression
• 한계) Selective search, CNN, SVM(Multi-stage pipelines)
  • RoI 마다 CNN 연산-> 속도 저하
  • Multi-stage pipelines-> 모델을 한번에 학습시키지 못함

한마디로 느리고 외부 툴에 의존성이 강함(Multi-stage pipelines)

---

2. Fast R-CNN

• region proposal과 feature map을 projection →  classification, Bbox regression
• RoI Pooling을 하나 추가함으로써 1번의 CNN연산만 수행해 학습 속도 개선
  • 아직 Selective search 사용: CNN외부에서 진행함으로 bottleneck발생= 속도 저하

한마디로 훈련 속도 및 추론 속도 가속화/ 외부 툴에 의존성이 감소 시킴(two-stage pipelines)

---

3. Faster R-CNN

• Selective search(X) → RPN 사용
• Region Proposal을 추출하는 방법을 CNN network 안에서 같이 사용

한마디로 훈련 속도 및 추론 속도 매우 빠름/ 외부 툴을 별도로 필요로 하지 않음

단독 설계된 네트워크(single-stage pipelines)

---

RoI 생성 및 처리하는 방법의 차이