이미지 분할은 이미지를 각각 이미지의 특정 부분을 나타내는 여러 세그먼트 또는 영역으로 분할하는 컴퓨터 비전의 기본 기술입니다. 이 과정을 통해 기계는 물체 감지와 같은 작업보다 이미지 내의 요소를 더 정확하게 이해할 수 있습니다.
이미지 분할은 상세한 이미지 분석이 필요한 애플리케이션에 매우 중요합니다. 이미지에 어떤 물체가 나타나는지 알려주는 이미지 분류와 달리, 세분화는 픽셀 수준에서 물체가 나타나는 위치를 지정합니다. 이러한 정밀도는 물체의 모양과 경계를 이해하는 것이 필수적인 시나리오에서 특히 유용합니다.
시맨틱 세분화: 이미지의 각 픽셀에 클래스 레이블을 할당하여 동일한 객체 카테고리를 나타내는 모든 픽셀이 동일한 레이블을 공유하도록 합니다. 시맨틱 세분화에 대해 자세히 알아보세요.
인스턴스 세분화: 시맨틱 세그멘테이션과 유사하지만 같은 클래스의 다른 인스턴스를 구분합니다. 인스턴스 세분화에 대한 자세한 내용을 살펴보세요.
파놉틱 세분화: 시맨틱과 인스턴스 세분화의 조합으로 픽셀 수준의 분류와 개별 객체 감지를 모두 제공합니다. 파놉틱 세분화에 대해 알아보세요.
의료: 이미지 분할은 해부학적 구조를 묘사하고 종양과 같은 이상을 식별하기 위해 MRI 또는 CT 스캔과 같은 의료 영상에서 광범위하게 사용됩니다. 이 애플리케이션은 정확도와 속도를 모두 향상시켜 진단을 혁신적으로 개선합니다. AI 의료 솔루션의 애플리케이션을 살펴보세요.
자율 주행: 자율주행차에서 세그멘테이션은 도로 차선, 차량, 보행자 및 기타 장애물을 식별하여 실시간 의사 결정을 내리는 데 도움이 됩니다. 자율주행을 위한 AI에서 세그멘테이션이 미치는 영향에 대해 알아보세요.
바운딩 박스: 세분화와 함께 관심 영역의 윤곽을 그리는 데 자주 사용됩니다. 바운딩 박스와 달리 세분화는 개체 모양에 대한 자세한 정보를 제공합니다. 바운딩 박스의 개념을 살펴보세요.
딥러닝 모델: CNN(컨볼루션 신경망) 과 같은 기술은 세분화 작업을 효율적이고 효과적으로 실행하는 데 핵심적인 역할을 합니다.
Ultralytics YOLO: 이 모델은 실시간 물체 감지로 유명하며 세분화 작업을 통합하는 기능을 갖추고 있어 빠르고 정밀한 세분화 모델을 제공합니다. 자세히 알아보기 Ultralytics YOLO.
OpenCV: 이미지 분할 기능을 지원하는 오픈 소스 컴퓨터 비전 라이브러리입니다. 더 많은 인사이트를 얻으려면 OpenCV의 기능을 확인하세요.
TensorFlow 및 PyTorch: 세분화 작업에 사용되는 다양한 딥 러닝 모델을 지원하는 인기 있는 머신 러닝 프레임워크입니다. 이에 대해 자세히 알아보세요. TensorFlow 과 PyTorch.
Ultralytics 는 Ultralytics 허브와 같은 플랫폼을 통해 이미지 세분화 기능을 통합하여 사용자가 대규모 코딩 없이도 모델을 훈련하고 배포할 수 있도록 지원합니다. 이 향상된 기능은 다양한 분야를 지원하여 운영 효율성과 의사 결정 프로세스를 개선합니다. Ultralytics HUB에서 이를 활용하는 방법을 알아보세요.
이미지 분할은 복잡한 시각 정보를 정확하게 해석하는 AI 시스템의 능력을 향상시킵니다. 자율 주행 차량부터 정밀 농업에 이르기까지 다양한 분야에 적용되어 상세한 이미지 분석을 통해 혁신을 지원합니다. 더 자세히 알아보려면 농업 분야의 AI 적용 사례를 확인하세요.
