You Only Look Once: 통합된 실시간 객체 검출

우리는 객체 검출을 위한 새로운 접근 방식인 YOLO를 제시합니다. 이전의 객체 검출 연구는 분류기를 재활용하여 검출을 수행하였습니다. 반면에, 우리는 공간적으로 분리된 경계 상자와 관련 클래스 확률을 회귀 문제로 정의하여 객체 검출을 접근합니다. 단일 신경망은 한 번의 평가에서 전체 이미지로부터 직접 경계 상자와 클래스 확률을 예측합니다. 이 entire detection pipeline가 단일 네트워크이므로, 객체 검출 성능에 직접적으로 end-to-end 최적화될 수 있습니다.우리의 통합된 아키텍처는 매우 빠릅니다. 기본 YOLO 모델은 실시간으로 초당 45 프레임을 처리하며, 더 작은 네트워크인 Fast YOLO는 초당 155 프레임이라는 놀라운 속도로 처리하면서 여전히 다른 실시간 검출기보다 두 배 이상의 mAP(평균 정밀도)를 달성합니다. 최신 기술의 검출 시스템과 비교할 때, YOLO는 더 많은 위치 오류를 범하지만 존재하지 않는 곳에서 잘못된 검출을 예측할 가능성이 훨씬 적습니다. 마지막으로, YOLO는 매우 일반적인 객체 표현을 학습합니다. 자연 이미지에서 미술 작품으로 일반화하는 경우 Picasso 데이터셋과 People-Art 데이터셋 모두에서 DPM 및 R-CNN 등 다른 모든 검출 방법보다 크게 우수한 성능을 보입니다.