분류는 이미지에 무엇이 있는지를 설명하고, 탐지는 무엇이 어디에 있는지를 설명합니다. 객체 탐지는 각 객체 주변에 경계 상자를 그리고 레이블을 지정하므로 감시, 내비게이션 및 소매 분석에 중요합니다.

두 가지 유형의 검출기가 지배적입니다. Faster R-CNN과 같은 2단계 검출기는 먼저 영역을 제안한 다음 분류합니다. YOLO 및 SSD와 같은 1단계 검출기는 한 번의 패스로 바운딩 박스와 클래스를 예측합니다. 1단계 모델은 실행 속도가 더 빠르지만, 정확도 면에서는 2단계 모델이 종종 더 우수합니다.

일반적인 탐지 작업

• 보행자 및 차량 감지
• 얼굴 인식
• 제조 과정에서의 결함 감지
• 야생동물 모니터링
• 소매 진열대 분석

작은 물체와 혼잡한 장면을 탐지하는 것은 여전히 ​​어려운 과제입니다. 예를 들어, 텅 빈 고속도로에서 차량을 찾아내는 탐지기가 교통 체증 속에서는 차량을 놓칠 수 있습니다. 도메인별 데이터와 증강 현실 기술은 이러한 격차를 해소하는 데 도움이 됩니다.