이미지의 모든 픽셀을 분류하여 장면을 정확하게 이해할 수 있는 시맨틱 세그멘테이션의 강력한 기능을 알아보세요. 지금 애플리케이션과 도구를 살펴보세요!
시맨틱 분할은 이미지 내의 모든 픽셀에 특정 클래스 레이블을 할당하는 컴퓨터 비전의 기본 작업입니다. 객체를 식별하거나 전체 이미지를 분류하는 다른 비전 작업과 달리 시맨틱 분할은 장면 콘텐츠를 픽셀 단위로 밀도 있게 파악할 수 있습니다. 즉, 단순히 자동차가 있다는 것을 감지하는 것이 아니라 어떤 픽셀이 자동차 카테고리에 속하는지 정확하게 파악하여 도로, 하늘 또는 보행자에 속하는 픽셀과 구분합니다.
시맨틱 분할의 주요 목표는 이미지를 서로 다른 객체 범주에 해당하는 의미 있는 영역으로 분할하는 것입니다. 예를 들어 자동차, 보행자, 나무가 여러 개 포함된 이미지에서 시맨틱 분할 모델은 자동차를 구성하는 모든 픽셀을 '자동차'로, 보행자를 위한 모든 픽셀을 '보행자'로, 나무를 위한 모든 픽셀을 '나무'로 레이블을 지정합니다. 동일한 객체 클래스의 모든 인스턴스를 동일하게 취급합니다. 이는 전체 이미지에 하나의 레이블을 할당하는 이미지 분류 및 감지된 물체 주위에 경계 상자를 그리지만 정확한 모양은 설명하지 않는 물체 감지와는 대조적입니다.
시맨틱 분할 모델은 일반적으로 지도 학습 기법을 사용하여 학습되며, 자세한 픽셀 수준의 주석이 포함된 데이터 세트가 필요합니다. 출력은 일반적으로 각 픽셀의 값(또는 색상)이 예측된 클래스 레이블에 해당하는 이미지인 세분화 맵입니다.
의미론적 세분화와 관련 작업을 구분하는 것이 중요합니다:
시맨틱 세분화가 제공하는 상세한 장면 이해는 많은 실제 애플리케이션에서 매우 중요합니다:
시맨틱 세그멘테이션에는 딥러닝 모델, 특히 합성곱 신경망(CNN)을 사용하는 경우가 많습니다. 완전 컨볼루션 네트워크(FCN) 및 U-Net과 같은 아키텍처가 널리 사용됩니다. 다음과 같은 최신 모델 Ultralytics YOLOv8 과 같은 최신 모델도 세분화 작업을 위한 강력한 기능을 제공합니다. Ultralytics HUB와 같은 도구는 COCO와 같은 데이터 세트를 훈련하고 관리하며 세분화 모델을 효율적으로 배포할 수 있는 플랫폼을 제공합니다.