인스턴스 세분화가 어떻게 픽셀 수준의 정밀도로 오브젝트 감지를 개선하여 AI 애플리케이션을 위한 세부적인 오브젝트 마스크를 구현하는지 알아보세요.
인스턴스 분할은 이미지 내에서 객체를 식별할 뿐만 아니라 픽셀 수준에서 각 객체의 정확한 경계를 묘사하여 객체 감지를 개선하는 정교한 컴퓨터 비전 기법입니다. 단순한 방법과 달리 인스턴스 분할은 동일한 객체 클래스의 개별 인스턴스를 구분하여 장면의 각 객체에 대한 세부 마스크를 제공합니다. 이러한 세분화된 이해 수준은 정밀한 객체 인식 및 분리가 필요한 애플리케이션에 매우 유용합니다.
인스턴스 분할은 객체 주위에 경계 상자를 그리는 기본 객체 감지 및 이미지의 각 픽셀에 클래스를 지정하지만 같은 클래스의 개별 객체를 구분하지 않는 의미적 분할을 뛰어넘습니다. 대신 인스턴스 분할은 객체 인스턴스가 겹치는 경우에도 각 객체 인스턴스를 고유하게 식별합니다. 예를 들어, 자동차가 여러 대 있는 이미지에서 인스턴스 분할은 모든 자동차를 '자동차'로 인식할 뿐만 아니라 각 개별 자동차에 대해 픽셀 단위로 완벽한 별도의 마스크를 생성하여 서로 및 배경과 구별합니다. 이 기능은 개별 물체의 개수를 세거나 특정 모양을 분석하는 것이 중요한 시나리오에서 매우 중요합니다.
관련성이 있지만 인스턴스 분할은 다른 컴퓨터 비전 작업과 크게 다릅니다:
인스턴스 세분화의 정밀도는 다양한 분야에서 필수적인 요소입니다:
Ultralytics YOLO 모델은 실시간 인스턴스 세분화의 최전선에 있으며, 다음과 같은 모델을 제공합니다. Ultralytics YOLOv8 및 Ultralytics YOLO11 와 같은 모델을 제공하여 높은 정확도와 속도로 인스턴스 세분화를 수행할 수 있습니다. 이러한 모델은 사용자 정의 데이터 세트에 대해 쉽게 학습할 수 있으며, 간소화된 모델 관리 및 배포를 위해 Ultralytics HUB를 사용하여 배포할 수 있습니다. 인스턴스 세분화를 시작하려면 Ultralytics YOLO11 에서 인스턴스 세분화 사용 방법과 같은 리소스를 살펴보고 Python 에서 사전 학습된 Ultralytics YOLOv8 모델을 사용한 세분화에 대해 알아볼 수 있습니다.
