( 참고 : Fastcampus 강의 )
[ Image Segmentation이란 ]
1. Introdunction to Image Segmentation
(1) Image Segmentation의 활용 예시
- 픽셀 단위로 정보를 얻어내야하는 분야들
- ex) 자율주행 자동차, 의학 이미지, 위성 사진
(2) Goal
이미지의 (대략적인) Region 뿐만 아니라, (구체적인) Structure 또한 포착하는 것이 목적!
(3) Old Segmentation Methods
- 1) Thresholding
- grey scale로 변경하게 될 경우
- 경계(edge) 부분에서 두드러져서 구분 가능
- 2) K-means
- edge는 그룹 간의 경계가 되는 지점이므로, 이를 통해 비슷한 그룹끼리 묶음
- 3) Histogram-based Image Segmentation
- 4) Edge Detection
- sharp change 부분 / discontinous 부분 잡아내기
2. Segmentation with DL
(1) Encoder & Decoder
- Down Sampling 후 Up Sampling 하여 구조를 잡아냄
- ex) FCN, SegNet, UNet
(2) 대표적 구조
Bottom-up
- 여러 후보를 두고, 이러한 region들을 병합해나감
Top-down
- 처음에는 큼직하게 잡아낸 뒤, 점차 세밀화해나감
(3) Segmentation의 분류
a) “Region Based” Semantic Segmentation
- Object detection의 결과를 기반으로함
- ex) SDS, Hypercolumns, Mask R-CNN
b) Fully Convolutional Network-Based Semantic Segmentation
- Encoder-Decoder 구조
- region proposal을 따로 뽑아내지 않음
- ex) SegNet, DeepLab-CRF, Dilated Convolutions
c) Weakly Supervised Semantic Segmentation
- annotated bounding box 사용
- ex) Boxsup
아래의 그림은 차례대로 a),b),c) 방법이다.