인스턴스 분할은 이미지에서 각각의 개별 객체를 식별하고 묘사하는 컴퓨터 비전 작업을 말하며, 기본적으로 객체 감지와 의미론적 분할을 결합한 것입니다. 이를 통해 모델은 클래스에 따라 다른 객체를 인식할 수 있을 뿐만 아니라 같은 클래스일지라도 별도의 개체로 인식할 수 있습니다. 픽셀을 클래스로만 분류하는 의미적 세분화와 달리 인스턴스 세분화는 해당 클래스의 인스턴스를 구분합니다.
인스턴스 세분화는 장면 내의 개별 객체를 이해해야 하는 시나리오에서 매우 중요합니다. 객체에 대한 상세한 인사이트를 제공할 수 있기 때문에 자율 주행 차량, 의료, 농업 등의 분야에서 널리 사용됩니다. 자율주행 차량에서 인스턴스 세분화는 다른 차량, 보행자, 장애물을 식별하고 분류하여 안전한 주행에 기여하며 자율주행에서 AI를 탐색합니다. 의료 분야에서는 방사선과에서 종양 식별과 같은 의료 영상 분석을 지원합니다(AI 및 방사선학).
자율주행차 개발에서 인스턴스 세분화는 다른 자동차, 자전거, 보행자 등 도로 위의 물체를 감지하고 구분하는 데 도움이 됩니다. 이러한 세부적인 인식은 실시간 의사 결정과 경로 계획의 기본이 되며, 안전성과 효율성을 모두 향상시킵니다.
인스턴스 분할은 의료 이미지에서 겹치는 생물학적 구조를 구분하는 데 사용됩니다. 특히 이미지 내에서 개별 종양을 식별하여 정밀한 치료 계획과 모니터링을 가능하게 하는 등 복잡한 진단 작업에 유용합니다(의료 분야의 비전 AI).
와 같은 고급 모델은 Ultralytics YOLOv8과 같은 고급 모델은 인스턴스 세분화에 최적화된 방법을 제공합니다. 이러한 모델은 COCO와 같은 대규모 데이터 세트에서 학습된 딥 러닝 아키텍처를 활용하여 상당한 정확도와 효율성 향상을 제공합니다. Ultralytics 허브와 같은 도구를 사용하면 코딩 경험이 거의 없는 사용자도 이러한 모델을 쉽게 배포하고 훈련할 수 있습니다.
인스턴스 세분화에 대해 더 깊이 파고들고 싶다면 다양한 데이터 세트와 아키텍처를 살펴보는 것이 도움이 될 수 있습니다. 외부 플랫폼의 리소스는 종종 최첨단 기술과 애플리케이션에 대한 포괄적인 인사이트를 제공합니다.
인스턴스 세분화는 지속적인 연구 개발을 통해 적용 가능성과 정확성을 확장하면서 계속 발전하고 있으며, 최신 AI 기반 컴퓨터 비전 솔루션의 필수 요소로 자리 잡고 있습니다.
