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 분할을 다른 관련 컴퓨터 비전 작업과 구별하는 것이 중요합니다.
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.
인스턴스 세분화를 통해 제공되는 상세한 객체 개요는 다양한 분야에서 유용하게 사용됩니다.
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.