오랜만에 detection 부분에서 성능을 극대화할 수 있는 알고리즘을 찾게 되어서 가져오게 되었습니다. 비교적 간단하지만 성능 향상은 무서운 알고리즘입니다.
저는 이번 학교 프로젝트에서 YOLOv8을 사용하는데 그 이유가 이 녀석을 쉽게 사용할 수 있도록 YOLO에서 지원해주기 때문일 정도로 성능이 놀랍습니다. 많은 사람들이 모르는 것 같아서 간단하게 논문 가져와서 짧은 설명을 첨언하겠습니다.
결과 우선 놀라운 결과부터 보면 이런식으로 고해상도의 이미지 내에 무수히 많은 객체가 있을 때, 이를 검출하는 능력을 극대화합니다. 물론 단점도 있긴한데, 제 생각에는 단점을 무마할 만큼 적용할 만한 곳이 확실하기도하고 퍼포먼스 향상도 눈에 띄어서 사용할만한 것 같습니다.
알고리즘 깃허브와 논문 링크 : GitHub - obss/sahi: Framework agnostic sliced/tiled inference + interactive ui + error analysis plots Fram...
#
ICIP
#
욜로모델
#
욜로
#
yolv8
#
yolo
#
smallobject
#
SAHI
#
Oral
#
object
#
NMS
#
Implementation
#
코드
원문 링크 : SAHI + YOLOv8
![Avalanche [continual-learning] - 01](https://blogimgs.pstatic.net/nblog/mylog/post/og_default_image_160610.png)
![Avalanche [continual-learning] - 02](https://mblogthumb-phinf.pstatic.net/MjAyMzA0MDdfMTQx/MDAxNjgwODQ3NDQ4ODk2.CG95UJXoVx4l6VgN23_EY3lleDxRCPCeUwpdNd3TJBIg.ZPmoB4nHCUxA-CR25z2avoqzvtml8jZRWSdFdpUSUY8g.PNG.jjunsss/image.png?type=w2)
