이미지 분할은 이미지를 여러 세그먼트 또는 영역으로 분할하여 각각 다른 객체 또는 객체의 일부를 나타내는 컴퓨터 비전의 중요한 기술입니다. 경계 상자로 물체의 존재 여부와 위치를 식별하는 물체 감지와 달리 이미지 분할은 이미지의 모든 픽셀에 레이블을 할당하여 보다 상세하고 세분화된 이해를 제공합니다. 이러한 픽셀 수준의 분류를 통해 객체 경계를 정확하게 묘사하고 이미지의 내용을 포괄적으로 이해할 수 있습니다.
이미지 세분화 유형
이미지 분할에는 여러 가지 유형이 있으며, 각각 다른 용도로 사용되며 복잡성도 다양합니다:
- 시맨틱 세분화: 이 유형의 세분화는 이미지의 각 픽셀을 특정 클래스로 분류합니다. 예를 들어 거리 풍경 이미지에서 자동차에 속한 모든 픽셀은 '자동차'로, 도로에 속한 모든 픽셀은 '도로'로 레이블이 지정됩니다. 그러나 시맨틱 분할은 같은 클래스의 다른 인스턴스를 구분하지 않습니다. 모든 자동차는 하나의 "자동차" 레이블로 그룹화됩니다. 의미론적 세분화에 대해 자세히 알아보세요.
- 인스턴스 세분화: 이는 각 픽셀을 분류할 뿐만 아니라 같은 클래스의 다른 인스턴스도 구분하는 고급 형태의 세분화입니다. 거리 장면의 예에서 각 개별 자동차에는 고유한 레이블이 할당되어 특정 자동차 인스턴스를 식별하고 추적할 수 있습니다. 이는 개별 객체의 정확한 위치와 경계를 이해하는 것이 중요한 자율 주행 및 로봇 공학 같은 애플리케이션에서 특히 유용합니다. 인스턴스 세분화에 대해 자세히 알아보세요.
- 파놉틱 세분화: 가장 포괄적인 세분화 유형으로, 시맨틱 세분화와 인스턴스 세분화를 결합한 것입니다. 각 픽셀에 클래스 레이블을 할당하고 동일한 클래스의 인스턴스를 구분하여 완벽한 장면 이해를 제공합니다. 파놉틱 세분화에 대해 자세히 알아보세요.
이미지 세분화의 응용
이미지 세분화는 다양한 산업 분야에서 폭넓게 활용되고 있습니다:
- 의료 영상: 의료 분야에서 이미지 분할은 MRI 및 CT 스캔과 같은 의료 이미지를 분석하는 데 사용됩니다. 종양 식별 및 분리, 장기 부피 측정, 수술 계획 수립에 도움이 됩니다. 예를 들어, MRI 스캔에서 뇌종양을 분할하면 정확한 진단과 치료 계획을 세울 수 있습니다. 의료 영상에서 종양 탐지를 위해 Ultralytics YOLO 을 사용하는 방법에 대해 자세히 알아보세요.
- 자율주행 차량: 자율주행차는 주변 환경을 이해하기 위해 이미지 분할에 크게 의존합니다. 차량 카메라의 이미지를 세분화하여 도로, 보행자, 다른 차량, 교통 표지판 등을 식별함으로써 안전하고 효율적인 내비게이션을 구현할 수 있습니다. 자율 주행 차량의 AI에 대해 자세히 알아보세요.
- 위성 이미지 분석: 이미지 분할은 토지 피복 분류, 도시 계획, 재난 관리 등 다양한 목적으로 위성 이미지를 분석하는 데 사용됩니다. 예를 들어, 다양한 토지 유형(예: 수역, 숲, 도시 지역)을 세분화하면 환경 변화를 모니터링하고 도시 개발을 계획하는 데 도움이 됩니다. 컴퓨터 비전을 사용하여 위성 이미지를 분석하는 방법에 대해 자세히 알아보세요.
- 농업: 정밀 농업에서 이미지 분할은 작물의 상태를 모니터링하고, 잡초를 감지하고, 토양 상태를 분석하는 데 사용할 수 있습니다. 예를 들어, 밭의 이미지를 세분화하면 해충이나 질병의 영향을 받는 영역을 식별하여 표적화된 개입을 할 수 있습니다. 농업에 비전 AI를 사용할 때 얻을 수 있는 주요 이점을 살펴보세요.
- 산업 검사: 이미지 분할은 제조업의 품질 관리 프로세스를 자동화하는 데 중요한 역할을 합니다. 조립 라인의 제품 이미지를 세분화하면 결함 및 이상 현상을 정확하게 식별하여 제품 품질을 보장하고 수작업 검사 작업을 줄일 수 있습니다. 컴퓨터 비전으로 제조업을 개선하는 방법에 대해 자세히 알아보세요.
이미지 세분화 및 Ultralytics YOLO
Ultralytics YOLO 모델은 이미지 분할을 비롯한 다양한 컴퓨터 비전 작업에서 최첨단 성능을 발휘하는 것으로 유명합니다. 이러한 모델은 고급 딥러닝 기술을 활용하여 높은 정확도와 효율성을 달성합니다. Ultralytics YOLO 을 통해 사용자는 데이터 세트에 대한 맞춤형 세분화 모델을 훈련하고, 사전 훈련된 모델을 미세 조정하고, 실시간 추론을 위해 배포할 수 있습니다. Ultralytics 허브 플랫폼은 모델 훈련, 관리 및 배포를 위한 사용자 친화적인 인터페이스를 제공하여 프로세스를 더욱 간소화합니다.
Ultralytics YOLOv8 모델을 사용한 이미지 세분화에 대한 자세한 내용은 Python 에서, 사전 학습된 Ultralytics YOLOv8 모델을 사용한 세분화에 대한 블로그 게시물은 Python 에서 확인할 수 있습니다. 또한 인스턴스 세분화를 위해 Ultralytics YOLO 을 사용하는 방법에 대해 자세히 알아볼 수 있습니다.
.png)