( 참고 : Fastcampus 강의 )

[ Image Segmentation이란 ]


1. Introdunction to Image Segmentation

(1) Image Segmentation의 활용 예시

figure2

  • 픽셀 단위로 정보를 얻어내야하는 분야들
  • ex) 자율주행 자동차, 의학 이미지, 위성 사진


(2) Goal

figure2

figure2

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

figure2

  • Down Sampling 후 Up Sampling 하여 구조를 잡아냄
  • ex) FCN, SegNet, UNet


(2) 대표적 구조

figure2

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.

figure2