용어집

인스턴스 세분화

인스턴스 세분화가 어떻게 픽셀 수준의 정밀도로 오브젝트 감지를 개선하여 AI 애플리케이션을 위한 세부적인 오브젝트 마스크를 구현하는지 알아보세요.

인스턴스 분할은 이미지 내의 개별 객체를 픽셀 수준에서 식별하고 묘사하는 고급 컴퓨터 비전(CV) 작업입니다. 다른 비전 작업과 달리 단순히 이미지를 분류하거나 객체 주위에 경계 상자를 그리는 것이 아니라 각각의 개별 객체 인스턴스에 대해 정확한 픽셀 단위의 마스크를 생성합니다. 이 기술은 같은 클래스의 겹치는 오브젝트를 구분할 수 있기 때문에 장면을 훨씬 더 깊이 이해할 수 있습니다.

인스턴스 대 시맨틱 및 개체 감지

인스턴스 분할을 다른 관련 컴퓨터 비전 작업과 구별하는 것이 중요합니다.

  • 객체 감지: 이 작업은 일반적으로 객체 주위에 직사각형 경계 상자를 그리고 클래스 레이블을 할당하여 객체의 존재 여부와 위치를 식별합니다. "이미지에 무엇이 있고 어디에 있습니까?"라는 질문에 답하지만 모양 정보는 제공하지 않습니다.
  • 시맨틱 세분화: 이 작업은 이미지의 각 픽셀을 특정 카테고리로 분류합니다. 예를 들어, 자동차에 속하는 모든 픽셀을 '자동차'로 분류하지만 이미지에서 서로 다른 두 대의 자동차를 구분하지는 않습니다. "각 픽셀은 어떤 카테고리에 속합니까?"라는 질문에 답합니다.
  • 인스턴스 세분화: 객체 감지와 의미론적 세그멘테이션의 기능을 결합한 기능입니다. 각 객체 인스턴스를 감지하고 고유한 세그먼트 마스크를 생성합니다. 자동차가 세 대 있는 이미지에서 인스턴스 분할은 각각 특정 자동차에 해당하는 세 개의 개별 마스크를 출력합니다.
  • 파놉틱 세분화: 가장 포괄적인 세분화 작업으로, 시맨틱과 인스턴스 세분화를 병합합니다. 모든 픽셀에 클래스 레이블과 고유 인스턴스 ID를 할당하여 장면에 대한 완전하고 통합된 이해를 제공합니다.

인스턴스 세분화 작동 방식

인스턴스 분할 모델은 일반적으로 두 가지 주요 기능을 수행합니다. 첫째, 이미지의 모든 객체 인스턴스를 감지하고 둘째, 감지된 각 인스턴스에 대해 분할 마스크를 생성합니다. 이 프로세스는 각 관심 영역에 대해 이진 마스크를 예측하는 병렬 분기를 추가하여 Faster R-CNN과 같은 객체 감지기를 확장하는 Mask R-CNN과 같은 아키텍처로 유명해졌습니다. 최신 모델은 이 프로세스를 더욱 세분화하여 속도와 정확도를 향상시킴으로써 많은 애플리케이션에서 실시간 추론을 가능하게 합니다. 개발에는 PyTorch나 TensorFlow와 같은 강력한 딥 러닝 프레임워크가 사용되는 경우가 많습니다.

실제 애플리케이션

인스턴스 세분화를 통해 제공되는 상세한 객체 개요는 다양한 분야에서 유용하게 사용됩니다.

  • 자율주행 차량: 자율주행차는 인스턴스 세분화에 의존하여 개별 보행자, 차량, 자전거 운전자의 모양과 위치를 정확하게 식별합니다. 이러한 세분화된 세부 정보는 특히 겹치는 물체가 많은 복잡한 도시 환경에서 안전한 내비게이션과 경로 계획에 매우 중요합니다. 도시 풍경과 같은 데이터 세트는 이 분야를 발전시키는 데 중요한 역할을 해왔습니다.
  • 의료 이미지 분석: 영상의학에서 인스턴스 분할은 CT 또는 MRI 스캔에서 종양, 병변, 장기를 매우 정밀하게 묘사하는 데 사용됩니다. 이를 통해 의사는 종양의 크기를 측정하고, 수술을 계획하고, 치료 효과를 모니터링하는 데 도움이 됩니다. 이에 대한 자세한 내용은 종양 탐지에 YOLO11을 사용하는 방법에 대한 블로그 게시물에서 확인할 수 있습니다.
  • 로봇 공학: 로봇은 인스턴스 세분화를 사용하여 환경을 이해하고, 파악할 특정 물체를 식별하고, 장애물을 더 정확하게 피할 수 있습니다. 이는 제조물류 분야의 작업에 매우 중요합니다.
  • 위성 이미지 분석: 이 기술은 숲의 개별 나무를 세거나, 도시의 건물을 매핑하거나, NASA와 같은 기관의 데이터를 사용하여 시간에 따른 토지 사용 변화를 추적하는 데 사용됩니다.
  • 농업: 수확량 추정을 위해 개별 과일을 식별하고 계산하거나 정밀 농업의 핵심 부분인 표적 제초제 적용을 위해 특정 잡초를 감지하는 데 사용할 수 있습니다.

Ultralytics YOLO를 사용한 인스턴스 세분화

Ultralytics는 효율적인 인스턴스 분할을 수행할 수 있는 최첨단 모델을 제공합니다. YOLOv8 및 최신 YOLO11과 같은 모델은 인스턴스 분할을 포함한 다양한 비전 작업에서 높은 성능을 제공하도록 설계되었습니다. 자세한 내용은 세분화 작업에 대한 설명서에서 확인할 수 있습니다. 사용자는 데이터 관리부터 모델 배포까지 머신 러닝(ML) 워크플로우를 간소화하는 Ultralytics HUB 플랫폼과 같은 도구를 사용해 사전 학습된 모델을 활용하거나 COCO와 같은 맞춤형 데이터 세트에서 미세 조정을 수행할 수 있습니다. 실제 구현을 위해 사전 학습된 Ultralytics YOLOv8 모델을 사용한 세분화에 대한 튜토리얼이나 세분화 개체 분리 가이드와 같은 리소스를 사용할 수 있습니다. 인스턴스 세분화를 위해 Ultralytics YOLO11을 사용하는 방법도 배울 수 있습니다.

울트라 애널리틱스 커뮤니티 가입

AI의 미래와 함께하세요. 글로벌 혁신가들과 연결, 협업, 성장하기

지금 가입하기
링크가 클립보드에 복사됨