docs: update 0412.md

@@ -49,13 +49,13 @@
 
 
 - **Intersection over Union** : 두 박스의 교집합을 합집합으로 나눠준 값. 두 박스가 일치할 수록 1에 가까운 값이 나오게 된다. 이 수치는 서로 다른 두 박스가 동일한 물체에 쳐져 있다고 판별할 수 있도록 한다. R-CNN 논문에서는 IoU > 0.5 이면 동일한 물체를 대상으로 한 박스로 판단한다.
-
+![iou](./images/iou.png)
 
 - **Non Maxium Suppression (NMS)** : 동일한 물체에 여러개의 박스가 쳐져 있을 때, 가장 스코어가 높은 박스만 남기고 나머지를 제거하는 과정을 말한다. 이 때, 스코어는 IoU를 통해 판별한다. 
-
+![NMS](./images/nms.png)
 
 - **Selective Search** : 물체가 포함되어있을 법한 박스를 찾아내는 방법.
-
+![selective_search](./images/selective_search.png)
 
 - **Bounding box regression** : selective search를 통해 찾은 박스 위치는 상당히 부정확하다. 따라서 성능을 끌어올리기 위해 박스 위치를 교정해주는 작업을 bounding box regression이라 말한다. 즉, CNN을 통과하여 추출된 벡터와 x, y, w, h를 조정하는 함수의 가중치를 곱해서 바운딩 박스를 조정해주는 선형 회귀를 학습시키는 것을 의미한다. 
     자세한 내용은 [여기](https://yeomko.tistory.com/13)에서 Bounding Box Regression을 참조하면 수식과 함께 확인할 수 있다.
@@ -63,13 +63,13 @@
 
 ## Metrics 
 
-### R-CNN
-
+## R-CNN
+![rcnn](./images/rcnn.png)
+## Feature Pyramid Network
 
+## Fast R-CNN
 
-### Fast R-CNN
-
-### Mask R-CNN
+## Mask R-CNN
 
 ---
 
@@ -79,4 +79,12 @@
 
 # Tutorial of Detectron2
 
----
\ No newline at end of file
+---
+
+### Reference
+* [갈아먹는 Object Detection](https://yeomko.tistory.com/13?category=888201)
+* [reference: The Modern History of Object Recognition — Infographic](https://medium.com/@nikasa1889/the-modern-history-of-object-recognition-infographic-aea18517c318)
+* [Digging into Detectron2](https://medium.com/@hirotoschwert/digging-into-detectron-2-47b2e794fabd)
+* [교수님 강의자료]()
+* [detectron2 github](https://github.com/facebookresearch/detectron2)
+* [detectron2 documentation](https://detectron2.readthedocs.io/en/latest/tutorials/getting_started.html)
\ No newline at end of file