파놉틱 세분화

파놉틱 세분화 작동 방식

파놉틱 분할 알고리즘은 이미지를 처리하여 모든 픽셀이 의미론적 레이블을 받고, 계산 가능한 객체('사물')에 속하는 경우 고유한 인스턴스 ID를 받는 단일 출력 맵을 생성합니다. 배경 영역('사물')에 속한 픽셀은 동일한 시맨틱 레이블을 공유하지만 일반적으로 고유한 인스턴스 ID를 갖지 않습니다(또는 사물 카테고리당 단일 ID를 공유). 최신 접근 방식은 종종 딥 러닝, 특히 CNN(Convolutional Neural Network) 또는 트랜스포머를 기반으로 하는 아키텍처를 활용합니다. 일부 방법은 시맨틱 및 인스턴스 세분화를 위해 별도의 네트워크 분기를 사용한 다음 결과를 융합하는 반면, 원래의 "파놉틱 세분화" 문서에서 소개한 것처럼 파놉틱 작업을 위해 특별히 설계된 엔드투엔드 모델을 사용하는 방법도 있습니다. 이러한 모델을 훈련하려면 COCO 파놉틱 데이터 세트나 도시 풍경 데이터 세트와 같이 상세한 파놉틱 주석이 포함된 데이터 세트가 필요합니다. 성능은 종종 세분화 품질과 인식 품질을 결합한 파놉틱 품질(PQ ) 메트릭을 사용하여 측정됩니다.

파놉틱 세분화 대 관련 작업

파놉틱 세분화와 관련 컴퓨터 비전 작업의 차이점을 이해하는 것이 중요합니다:

• 시맨틱 세분화: 모든 픽셀에 클래스 레이블(예: '자동차', '사람', '도로')을 할당합니다. 카테고리를 식별하지만 같은 카테고리의 서로 다른 인스턴스를 구분하지는 않습니다. 예를 들어, 출력 마스크에서 모든 자동차의 색상이 동일하게 지정될 수 있습니다.
• 인스턴스 세분화: 개별 객체 인스턴스(예: '자동차 1', '자동차 2', '사람 1')를 감지하고 세분화합니다. 셀 수 있는 '사물'에 초점을 맞추고 일반적으로 하늘이나 도로와 같은 비정형 배경 '사물'은 무시하거나 단일 배경 클래스로 처리합니다. Ultralytics YOLO 모델은 강력한 인스턴스 세분화 기능을 제공합니다. 인스턴스 세분화와 시맨틱 세분화에 대한 자세한 내용은 이 가이드에서 확인할 수 있습니다.
• 객체 감지: 바운딩 박스를 사용하여 객체의 존재 여부와 위치를 식별하고 클래스 레이블을 할당합니다. 픽셀 수준 마스크나 세그먼트 배경 영역은 제공하지 않습니다. 많은 최신 객체 감지 모델, 예를 들어 YOLOv10 및 YOLO11와 같은 많은 최신 객체 감지 모델을 비교할 수 있습니다(예: YOLO11 대 YOLOv10).

파놉틱 분할은 시맨틱 분할과 인스턴스 분할의 강점을 고유하게 결합하여 모든 픽셀을 클래스 레이블이 지정된 배경 영역 또는 별개의 객체 인스턴스로 분할하는 통합된 출력을 제공합니다.

파놉틱 세분화의 애플리케이션

파놉틱 세분화가 제공하는 포괄적인 장면 이해는 다양한 영역에서 유용합니다:

• 자율주행 차량: 자율 주행 자동차는 주변 환경을 완벽하게 이해해야 합니다. 파놉틱 세분화를 통해 도로, 보도, 건물('사물')을 동시에 식별하고 물체가 겹치는 경우에도 개별 자동차, 보행자, 자전거('사물')를 구분할 수 있습니다. 이러한 세부적인 인식은 안전한 내비게이션과 의사 결정에 매우 중요합니다. Ultralytics 자동차 솔루션의 AI에 어떻게 기여하는지 알아보세요.
• 의료 이미지 분석: MRI나 CT 스캔과 같은 의료 스캔을 분석할 때 파놉틱 분할은 다양한 조직 유형('사물')을 구분하는 동시에 종양, 병변 또는 개별 세포와 같은 구조의 특정 인스턴스('사물')를 식별하고 세분화할 수 있습니다. 이는 진단, 치료 계획, 질병 진행 상황 모니터링에 도움이 됩니다. 종양 탐지에 YOLO11 사용하는 방법에 대해 읽어보세요.
• 로봇 공학: 복잡한 환경에서 작동하는 로봇은 레이아웃(벽, 바닥 - "물건")과 상호작용할 수 있는 개별 물체(도구, 부품, 사람 - "사물")를 모두 이해하면 이점을 얻을 수 있습니다. 이는 탐색, 조작, 인간과 로봇의 상호 작용에 도움이 됩니다. 로봇 공학에서 AI를 살펴보세요.
• 증강 현실(AR): AR 애플리케이션은 파노픽 분할을 사용하여 가상 객체를 실제 장면에 사실적으로 배치하고 배경 표면 및 전경 객체와의 오클루전 및 상호 작용을 올바르게 처리할 수 있습니다. AR 기술의 발전을 살펴보세요.
• 위성 이미지 분석: 상세한 토지 커버 매핑에 사용되며, 숲이나 수역과 같은 넓은 면적 유형('물건')과 건물이나 차량과 같은 개별 구조물('사물')을 구분합니다. 위성 이미지 분석 기법에 대해 알아보세요.

YOLO11 같은 Ultralytics 모델은 객체 감지 및 인스턴스 세분화와 같은 작업에서 최첨단 성능을 제공하지만, 파놉틱 세분화는 점점 더 정교해지는 AI 애플리케이션에 필수적인 다음 단계의 통합 장면 이해를 나타냅니다. Ultralytics HUB와 같은 플랫폼을 사용하여 관련 작업을 위한 모델을 관리하고 훈련할 수 있습니다.