HEO BRAIN · DEV LAB
AI, 코딩, 영어, 포트폴리오를 직접 공부하고 만들며 얻은 지식을 누구나 다시 써먹을 수 있게 정리합니다.
EXPLORE BY TOPIC
기록을 주제별로 빠르게 탐색하세요.
HEOBRAIN ARCHIVE
🗺️ YOLOv10의 구조 및 탐지 과정YOLOv10의 가장 큰 목표는, YOLO가 오랫동안 의존해왔던 1) '앵커 박스(템플릿)'의 번거로움과 2) 'NMS(청소부)'라는 속도 저하 요인을 모두 제거하여, 더 빠르고 간결한 'End-to-End' 모델을 만드는 것이었습니다.[1단계] 백본 (Backbone - 특징 추출)구조: 최적화된 CSPNet (YOLO의 전통적인 CNN 구조)설명: 이미지를 입력받아, '선', '모서리', '질감' 같은 기본 특징부터 '바퀴 모양', '눈 모양' 같은 복잡한 시각 특징까지 추출합니다. 이 단계는 강력한 특징 추출에 집중하며, 이는 기존 YOLO 모델들과 유사한 방식입니다.CT 영상을 여러 해상도로 분석합니다. 작은 출혈부터 큰 출혈까지 놓치지 않기 위해서입니다...
POPULAR NOTES
최근 글과 겹치지 않는 인기 기록입니다.
LATEST NOTES
🗺️ YOLOv10의 구조 및 탐지 과정YOLOv10의 가장 큰 목표는, YOLO가 오랫동안 의존해왔던 1) '앵커 박스(템플릿)'의 번거로움과 2) 'NMS(청소부)'라는 속도 저하 요인을 모두 제거하여, 더 빠르고 간결한 'End-to-End' 모델을 만드는 것이었습니다.[1단계] 백본 (Backbone - 특징 추출)구조: 최적화된 CSPNet (YOLO의 전통적인 CNN 구조)설명: 이미지를 입력받아, '선', '모서리', '질감' 같은 기본 특징부터 '바퀴 모양', '눈 모양' 같은 복잡한 시각 특징까지 추출합니다. 이 단계는 강력한 특징 추출에 집중하며, 이는 기존 YOLO 모델들과 유사한 방식입니다.CT 영상을 여러 해상도로 분석합니다. 작은 출혈부터 큰 출혈까지 놓치지 않기 위해서입니다...
