SiameseNetwork과 객체 추적 #2

알기쉬운 딥러닝 기술 시리즈 두 번째

#HBsmith 조민수 AI/ML Engineer의

'SiameseNetwork과 객체 추적 #2'을 소개합니다.

SiameseNetwork에 대한 #1의 설명에 이어 두 번째 주제로 이를 기반으로 하는 객체 추적 모델에 대해 좀 더 이야기해보고자 한다. 이전 글의 마지막에 잠시 이야기되었던 객체 추적이란 아래 그림과 같이 “T-1 시간에서 찾은 객체 A에 대해 T 시간에는 어디에 있을까?” 란 질문에서 출발한다.

객체 추적은 비디오 기반 영상 분석 보다 실시간 영상 분석 시 많이 사용되는데 그 이유는 크게 아래와 같다.

· 프레임 별 객체 감지 시 감지 결과 반영의 Delay
· 프레임 별 인코딩, 디코딩, 객체 움직임에 따른 정보 불확실성에 대한 객체 감지 인식률 저하

이전까지는 다양한 영상처리 기법으로 객체 추적에 대해 대응하였다. 하지만 딥러닝 개발 이후 객체 추적에도 적용할 수 있지 않을까 하는 많은 연구들이 진행되고 있다. 그중 소개할 방식은 siamseNetwork 기반 객체 추적 방식이다.

출처 : SiameseNetwork과 객체 추적 #2

SiameseNetwork과 객체 추적 #2

HBsmith에서는 AWS 및 자동화에 관심이 많은 개발자를 뽑고 있습니다. AWS, 테스트 자동화, Python, Computer Vision 기반 AI/ML에 관심이 있으시거나 궁금하신 분들은 아래 주소로 연락해 주시면 감사하겠습니다.

hello@hbsmith.io