Segmentation의 pixel 수준에서 갖는 의미 ?
Pixel 수준의 이미지 segmentation은 각 픽셀을 하나의 클래스 또는 라벨로 할당하는 작업입니다. 따라서 각 픽셀은 해당 이미지에서 특정 객체 또는 물체의 일부인지를 나타내는 라벨을 갖게 됩니다. 이를 통해 컴퓨터 비전 시스템은 이미지 내에 존재하는 객체의 윤곽과 영역을 이해하고, 해당 객체를 다른 객체와 구분할 수 있습니다.
세그멘테이션의 종류
1.Semantic Segmentation
시맨틱 세그멘테이션은 이미지 내의 각 픽셀을 클래스 또는 라벨로 분류하는 이미지 세그멘테이션 기술입니다. 이는 이미지의 모든 픽셀에 대해 물체 또는 배경과 같은 의미적인 의미를 부여하는 작업을 수행
2. Instance Segmentation
인스턴스 세그멘테이션은 이미지 내에 있는 각 개별 물체 인스턴스를 구별하여 분할하는 이미지 세그멘테이션 방법
FCN (Fully Convolutional Network):
FCN은 컨볼루션 신경망(Convolutional Neural Network)의 픽셀 단위 이미지 세그멘테이션을 위해 제안된 구조로, 컨볼루션 연산을 사용하여 입력 이미지의 픽셀을 클래스에 대응하는 확률로 매핑하는 방식을 사용합니다.
U-Net:
U-Net은 의료 영상 세그멘테이션을 위해 개발된 신경망 구조로, 인코더-디코더 구조를 활용하며, 점점 다운샘플링하여 특징을 추출한 후, 다시 업샘플링하여 세그멘테이션 맵을 얻는 방식을 채택합니다. 대규모 데이터가 없는 의료 영상 분야에서 효과적인 결과를 보여줍니다.
DeepLab:
DeepLab은 시맨틱 세그멘테이션을 위한 딥러닝 기반의 모델로, 컨볼루션 신경망과 디코더 네트워크를 이용하여 다양한 컨텍스트 정보를 고려하여 픽셀별 클래스 분류를 수행합니다. 특히, 다양한 크기의 컨볼루션 커널을 사용하여 다양한 크기의 객체를 잘 인식하는 능력을 가지고 있습니다.