시맨틱 세그먼테이션(Semantic Segmentation)

시맨틱 세그먼테이션(Semantic Segmentation)은 인공지능이 이미지에 있는 객체를 픽셀 단위로 분류하는 것

 

이미지 분할이란

이미지 분할(Image segmentation)은 디지털 이미지에서 픽셀 단위로 물체 또는 배경을 분리하여 구분하는 과정입니다.

이미지 분할은 컴퓨터 비전, 영상처리, 컴퓨터 그래픽스, 로봇학 등 다양한 분야에서 중요한 기술로 사용됩니다.

이미지 분할 기술은 이미지 내의 물체를 인식하고 추출하거나, 배경과 물체를 분리하여 배경을 제거하거나, 물체를 추적하는 등의 다양한 응용이 가능합니다.

이미지 분할 방법에는 영역 기반 분할, 윤곽선 기반 분할, 그래프 기반 분할, 인공 신경망 기반 분할 등이 있습니다. 이러한 방법들은 각각의 특징과 장단점을 가지고 있으며, 어떤 방법을 선택하느냐에 따라 이미지 분할의 정확도와 효율성이 크게 달라질 수 있습니다.

 

이미지 분할 종류는?

 

1. 영역 기반 분할: 영역 기반 분할은 유사한 영역을 함께 그룹화하는 방법입니다. 이 방법은 일반적으로 색, 밝기, 질감 등의 특성을 이용하여 영역을 분할합니다. 대표적인 방법으로는 k-means 클러스터링, mean-shift, watershed 등이 있습니다.
2. 경계 기반 분할: 경계 기반 분할은 물체의 경계를 검출하고 해당 경계를 따라서 영역을 분할하는 방법입니다. 이 방법은 일반적으로 엣지 검출 방법과 허프 변환을 사용하여 경계를 검출한 후, 경계를 따라서 영역을 분할합니다. 대표적인 방법으로는 Canny 엣지 검출, 그래디언트 벡터 플로우, level set 등이 있습니다.
3. 그래프 기반 분할: 그래프 기반 분할은 이미지를 그래프로 변환하여 그래프의 간선과 노드를 이용하여 영역을 분할하는 방법입니다. 이 방법은 일반적으로 최소 스패닝 트리, 정규화 컷 등의 그래프 이론을 사용합니다. 대표적인 방법으로는 그래프 컷, 분리 값 이진화, 경계 복제 등이 있습니다.
4. 인공 신경망 기반 분할: 인공 신경망 기반 분할은 딥러닝 기술을 사용하여 이미지를 분할하는 방법입니다. 이 방법은 일반적으로 컨볼루션 신경망(CNN)을 사용하여 이미지를 분할합니다. 대표적인 방법으로는 U-Net, Mask R-CNN 등이 있습니다.
5. 시맨틱 분할(Semantic segmentation)은 디지털 이미지에서 픽셀 단위로 각 픽셀이 어떤 물체인지, 어떤 클래스에 속하는지를 분류하는 이미지 분할 기술입니다. 시맨틱 분할은 주로 컴퓨터 비전 분야에서 활용되며, 이미지 분류, 객체 탐지, 자율 주행 등의 응용 분야에서 중요한 역할을 합니다.
   시맨틱 분할은 일반적으로 딥러닝 모델을 사용하여 수행됩니다. 딥러닝 모델은 이미지를 입력으로 받아서 각 픽셀마다 클래스에 대한 예측 값을 출력합니다. 이때, 주로 사용되는 딥러닝 모델에는 Fully Convolutional Network(FCN), U-Net, DeepLab 등이 있으며, 이들 모델은 각각 다른 특징을 가지고 있습니다.
   시맨틱 분할에서는 일반적으로 다양한 클래스를 구분하는데 사용되는 색상 맵(color map)이 사용됩니다. 이를 통해 각 픽셀이 어떤 클래스에 속하는지를 시각적으로 확인할 수 있습니다. 예를 들어, 빨간색은 자동차, 파란색은 도로, 초록색은 나무 등과 같은 클래스를 나타낼 수 있습니다.
   시맨틱 분할은 객체 검출(Object detection)이나 이미지 분류(Image classification)와 같은 기술과 함께 사용하여 보다 정확하고 실용적인 응용 분야에서 활용됩니다.
6. 인스턴스 분할(Instance segmentation)은 디지털 이미지에서 픽셀 단위로 각 객체(Object)를 구분하고, 각 객체 내부에서 픽셀들이 어떤 클래스(Class)에 속하는지를 분류하는 이미지 분할 기술입니다. 인스턴스 분할은 주로 컴퓨터 비전 분야에서 활용되며, 자율 주행, 로봇 공학, 의료 영상 등의 분야에서 중요한 역할을 합니다.
   시맨틱 분할과 유사하게 인스턴스 분할도 딥러닝 모델을 사용하여 수행됩니다. 딥러닝 모델은 이미지를 입력으로 받아서 객체마다 클래스에 대한 예측 값을 출력합니다. 이때, 주로 사용되는 딥러닝 모델에는 Mask R-CNN, YOLACT, SOLO 등이 있으며, 이들 모델은 각각 다른 특징을 가지고 있습니다.
   인스턴스 분할에서는 시맨틱 분할과 마찬가지로 색상 맵을 사용하여 객체를 시각화합니다. 각 객체는 서로 다른 색상으로 구분되어 표시됩니다. 예를 들어, 자동차가 여러 대 있는 이미지에서 각각의 자동차를 서로 다른 색상으로 표시하여 객체를 구분합니다.
   인스턴스 분할은 객체 검출(Object detection)과 시맨틱 분할(Semantic segmentation)을 결합하여 사용되는데, 객체 검출은 객체를 인식하는 데에 초점을 맞추고, 시맨틱 분할은 픽셀마다 클래스를 분류하는 것에 초점을 맞춥니다. 이와 달리, 인스턴스 분할은 객체 내부의 각 픽셀들이 어떤 클래스에 속하는지를 분류하여 보다 정확한 분할 결과를 얻을 수 있습니다.

 

 

 

상세 내용은 "A 2021 guide to Semantic Segmentation"를 참고 바랍니다.