인스턴스 세분화

인스턴스 세분화란 무엇인가요?

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.

인스턴스 세분화와 관련 작업 비교

관련성이 있지만 인스턴스 분할은 다른 컴퓨터 비전 작업과 크게 다릅니다:

• 물체 감지: 객체 감지: 객체 감지는 객체 주변에 경계 상자를 그려서 이미지 내에서 객체를 식별하고 위치를 파악하는 데 중점을 둡니다. 물체의 정확한 모양이나 경계는 알려주지 않지만 물체가 어디에 있는지 알려줍니다.
• 시맨틱 분할: 시맨틱 분할은 이미지의 각 픽셀을 '하늘', '도로' 또는 '자동차'와 같이 미리 정의된 클래스로 분류합니다. 이는 장면에 대한 픽셀 수준의 이해를 제공하지만 동일한 객체 클래스의 개별 인스턴스를 구분하지는 않습니다. 예를 들어 모든 자동차는 '자동차' 픽셀로 레이블이 지정되지만 개별 객체로 구분되지는 않습니다.
• 인스턴스 세분화: 인스턴스 분할은 두 가지의 장점을 결합한 것입니다. 시맨틱 세그멘테이션과 같은 픽셀 수준의 분류를 수행할 뿐만 아니라 개체 감지처럼 각 개체 인스턴스를 개별적으로 구분하고 세그먼트화하여 이미지의 개체에 대한 포괄적이고 상세한 이해를 제공합니다.

인스턴스 세분화의 애플리케이션

인스턴스 세분화의 정밀도는 다양한 분야에서 필수적인 요소입니다:

• 자율 주행: 자율주행차에서 인스턴스 세분화는 도로 위의 보행자, 차량, 장애물을 각각 정확하게 식별하고 추적하여 차량이 주변 환경을 이해하는 데 도움을 줄 수 있습니다. 이러한 세부적인 인식은 복잡한 교통 시나리오에서 안전한 주행과 의사 결정에 매우 중요합니다.
• 의료 이미지 분석: 의료 분야에서 인스턴스 분할은 의료 이미지 분석에 매우 중요합니다. MRI나 CT 스캔과 같은 의료 스캔에서 개별 세포, 종양 또는 장기를 정확하게 분할하여 진단, 치료 계획, 질병 진행 상황 모니터링에 도움을 줄 수 있습니다. 예를 들어 Ultralytics YOLOv8 은 의료 영상에서 종양 탐지에 사용할 수 있으며, 인스턴스 분할을 활용하여 종양의 정확한 위치를 파악하고 묘사할 수 있습니다.
• 로봇 공학: 실제 세계와 상호작용하는 로봇의 경우, 인스턴스 세분화는 복잡한 작업에 필요한 세부적인 장면 이해를 제공합니다. 창고에서 물건을 고르는 로봇 팔이든 동적인 환경을 탐색하는 서비스 로봇이든, 각 물체의 정확한 모양과 위치를 파악하는 것은 효과적이고 안전한 작동을 위해 매우 중요합니다.

인스턴스 세분화 및 Ultralytics YOLO

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.