프로젝트 질문이 있습니다!

classification과 object detection 중 어떤 것을 선택할지 고민하신다는 말씀이군요. 일단은 classification이 훨씬 속도도 빠르고 정확할 것으로 보입니다. 다만, 확실하지는 않습니다. 사회적 통념상 인간이 인식하는 것과 classification이 시각적인 데이터로만 인식하는 것과는 많이 다르기 때문입니다. 예를 들어, 가족사진과 웨딩사진을 구분하는 것은 무엇인가요? 가족사진과 웨딩사진의 유사도가 높을 경우 classification에 오히려 혼동을 줄 수 있습니다. 우리는 이러한 경우 신경망이 무엇을 근거로 판단할 지 학습을 하기 전까지 알 수 없습니다. 반대로, object detection을 사용할 경우 다음과 같은 전략을 사용할수 있습니다. 바디프로필에서 공통적으로 발견되는 고유한 요소인 것이 존재할 경우 바디프로필이라고 판정할 수 있고, 증명사진의 경우 얼굴이 단 하나 존재할 경우에 그렇게 판단할 수 있겠죠. 가족사진과 웨딩사진의 공통점은 얼굴이 2개 이상 존재할 경우이고 웨딩사진과 가족사진의 차이라면 웨딩사진엔 웨딩드레스가 있다는 점이겠죠. 반려동물의 사진에게는 나머지 요소에서 발견될 수 있는 요소가 발견되지 않으면서도 동물이라는 객체만 존재할 경우에 반려동물이라고 판정할 수 있겠구요. 전략은 짜기 나름입니다. 제가 생각한 전략대로라면 object detection을 주로 활용하는 방안이 좋을 것 같습니다. 단순히 어떤 것을 사용하느냐도 중요하지만 전략을 세우고 그에 맞는 알고리즘을 적재적소에 활용하는 것도 중요한 것 같네요.

yolo의 backbone에도 cnn이 사용되기 때문에 cnn과 yolo는 같은 선상에서 비교되기는 힘들것 같습니다. 질문 내용을 토대로 봤을때, 여러 사진을 적절한 클래스로 분류하셔야 할것같은데 이미지 분류 모델을 사용하시면 될것같습니다. yolo는 이미지에 존재하는 객체를 빠르게 탐지하는것이 주 목적입니다. 따라서 이미지 자체를 분류하는 테스크에 적용하기 쉽지 않아보이네요. 다만, 이미지를 분류하고 이미지에 존재하는 객체들을 분리하는 기능을 yolo를 통해서 추가한다면 더 멋진 프로젝트가 될것같습니다. 마지막으로, 간단한 테스크에 사용하기 좋은 이미지 분류 모델은 resnet, efficient net 등이 가볍게 사용하기 좋고 또 인터넷에 특정 이미지셋에 파인튜닝하는 방법들이 자세하게 나와있습니다. 이미지양이 충분히 많고, 높은 컴퓨팅 파워가 사용가능하다면 vit 계열 이미지 분류 모델을 활용하는것도 하나의 방법이 될 수 있을것같습니다. 좋은 프로젝트되시길 바랍니다😀

CNN과 YOLO는 둘 다 이미지 분류와 객체 탐지에 사용되는 딥러닝 알고리즘입니다. 그러나 각각의 알고리즘은 다른 목적과 특징을 가지고 있습니다. 따라서 어떤 알고리즘이 더 적합한지 결정하기 위해서는 프로젝트의 요구사항과 상황을 고려해야 합니다. CNN (Convolutional Neural Network): - 이미지 분류에 주로 사용됩니다. - 학습을 통해 이미지의 특징을 추출하고 분류하는 능력을 갖습니다. - 사전에 정의된 카테고리에 이미지를 할당할 수 있습니다. - 대량의 데이터셋과 긴 학습 시간이 필요합니다. - 정확도가 높고 안정적입니다. YOLO (You Only Look Once): - 객체 탐지에 주로 사용됩니다. - 이미지에서 다양한 객체를 식별하고 위치를 탐지하는 능력을 갖습니다. - 객체의 경계 상자와 클래스를 식별할 수 있습니다. - 빠른 처리 속도를 제공하며 실시간 응용 프로그램에 적합합니다. - 정확도는 상대적으로 높지만, 특정 객체의 작은 세부 정보를 잡아내는 데 어려움이 있을 수 있습니다. 따라서 프로젝트의 목적과 요구사항을 고려하여 어떤 알고리즘이 더 적합한지 결정해야 합니다. 만약 이미지 분류가 주요한 요구사항이라면 CNN이 더 적합할 수 있고, 객체 탐지와 위치 식별이 필요하다면 YOLO가 유용할 수 있습니다.