3wk_Instance Segmentation

 

• Semantic Segmentation : 똑같은 사물들을 각각 나눠서 분류하지 않고, 하나의 묶음으로 봄(FCN)
  → 이미지에 있는 모든 픽셀에 대한 예측
• Instance Segmentation : 각각의 사물들을 분류 (U-NET) → 같은 Class라도 서로 다른 물체로 구분

 

 

Instance Segmentation

• 이미지 내의 각 개별 객체를 감지, 분할, 분류하는 컴퓨터 비전의 한 작업입니다. 이 과정에서, 이미지 내의 모든 객체를 식별하고, 각 객체를 개별적으로 분할하여 어떤 클래스(범주)에 속하는지 분류합니다. 인스턴스 분할은 단순히 객체를 감지하는 것을 넘어서, 각 객체의 정확한 형상과 경계를 파악하고, 서로 겹치는 객체들도 구분합니다.

1. Object Detection: 먼저 객체를 감지하고, 이미지의 모든 객체데 대한 Bounding Box를 찾습니다.
2. Semantic Segmentation: Bounding box를 찾은 후, 해당 box 내부에 Semantic Segmentation 모델을 사용합니다.
3. Instance Segmentation은 각 class의 모든 Instance를 구분하므로, 위의 사진에서 모든 염소와 개를 다른 class로 구분합니다.

---

Mask R-CNN

 

Faster R-CNN은 class label과 bounding box 좌표라는 두 가지의 output을 낸다. 이에 mask branch를 추가한다는 것은 단순한 아이디어이지만 픽셀 단위의 예측을 더욱 세밀한 공간 정보가 필요하기에 기존의 branch들과는 다른 정보가 필요하다.

 

 

 

 

[참고자료]

Instance Segmentation using MMDetection | by JaewooChoi | Medium

Instance Segmentation using MMDetection

Image Segmentation(FCN, U-Net) (tistory.com)

Image Segmentation(FCN, U-Net)