시맨틱 세분화

시맨틱 세분화란 무엇인가요?

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.

다른 세분화 작업과의 주요 차이점

의미론적 세분화와 관련 작업을 구분하는 것이 중요합니다:

• 인스턴스 세분화: 시맨틱 세그멘테이션은 '자동차' 클래스에 속하는 모든 픽셀에 동일한 라벨을 붙이지만, 인스턴스 세그멘테이션은 한 단계 더 나아갑니다. 객체의 각 개별 인스턴스를 개별적으로 식별하고 세그먼트화합니다. 따라서 이미지에 있는 세 개의 서로 다른 자동차는 모두 '자동차' 클래스에 속하지만 각각 고유한 세그먼트 마스크를 갖게 됩니다. 인스턴스 세분화를 위해 Ultralytics YOLO 사용하는 방법을 알아보세요.
• 파놉틱 세분화: 이 작업은 시맨틱 분할과 인스턴스 분할을 결합합니다. 시맨틱 세분화와 마찬가지로 모든 픽셀에 클래스 레이블을 할당하고, 인스턴스 세분화와 마찬가지로 각 객체 인스턴스를 고유하게 식별하여 통합된 장면 이해를 제공합니다.

시맨틱 세그멘테이션의 응용

시맨틱 세분화가 제공하는 상세한 장면 이해는 많은 실제 애플리케이션에서 매우 중요합니다:

1. 자율 주행: 자율 주행 자동차는 주변 환경을 이해하기 위해 시맨틱 세분화에 크게 의존합니다. 자율주행 시스템은 픽셀을 '도로', '인도', '보행자', '차량', '장애물' 등의 카테고리로 분류하여 내비게이션 및 안전에 대한 정보에 입각한 결정을 내릴 수 있습니다.
2. 의료 이미지 분석: 의료 분야에서 시맨틱 세그멘테이션은 MRI나 CT와 같은 의료 스캔을 분석하는 데 도움이 됩니다. 종양과 같은 장기, 조직 또는 비정상적인 부분을 정확하게 파악하여 의사의 진단, 치료 계획, 질병 진행 상황 모니터링에 도움을 줄 수 있습니다. 예를 들어, 종양 탐지를 위해Ultralytics YOLO 모델을 사용할 수 있습니다.
3. 위성 이미지 분석: 토지 피복 유형(예: 산림, 수자원, 도시 지역)을 분류하고, 삼림 벌채를 모니터링하고, 도시 확산을 매핑하거나, 정밀 농업에서 작물의 건강 상태를 평가하는 데 사용됩니다. 비전 AI는 농업에 많은 이점을 제공합니다.
4. 로봇 공학: 로봇이 복잡한 환경에서 물체 조작 및 탐색과 같은 작업에 필요한 환경을 더욱 세밀하게 인식할 수 있도록 지원합니다. 로봇 공학에 컴퓨터 비전을 통합하는 방법에 대해 자세히 알아보세요.

모델 및 도구

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.