Segmentation
-
[cs231n] 11강 탐지와 분리 (Detection and Segmentation) (4/4, 인스턴스 분리 (Instance Segmentation))AI 2021. 4. 27. 19:41
제가 얘기하고 싶은 마지막 작업은 이 인스턴스 분리 (instance segmentation) 아이디어입니다. 여기서 인스턴스 분리는 어떤 식으로는 완전 문제 (full problem)같아 보입니다. 우리는 입력 이미지를 받을 거고 물체 탐지와 비슷하게 이미지 내에서 물체의 위치와 정체를 예측하고 싶은 거죠. 그러나 그 물체들 각각에 대한 경계 상자를 예측하는 대신, 저 물체들 각각에 대한 우리는 전체 분리 마스크 (whole segmentation mask)를 예측하고 싶은 겁니다. 그리고 입력 이미지내의 어떤 픽셀이 물체 인스턴스에 해당하는 지를 예측하고 싶은 겁니다. 그래서 이건 의미적 분리와 물체 탐지사이의 하이브리드 같은 거죠. 왜냐면 물체 탐지처럼 우리는 여러 개의 물체를 다룰 수 있고 여러 ..
-
[cs231n] 11강 탐지와 분리 (Detection and Segmentation) (3/4, 물체 탐지 (Object Detection))AI 2021. 4. 26. 20:38
다음으로 얘기하고 싶은 작업은 물체 탐지입니다. 이건 정말 내용이 많은 주제죠. 이건 컴퓨터 시각 (computer vision)에 있어서 핵심 문제와 같은 것이라서 아마도 여러분은 전체 세미나 강좌를 물체 탐지 역서와 여기에 적용된 다양한 기법들로만으로도 가르칠 수 있을 겁니다. 저는 짦게 할거고, 지난 2년간 사용되었던 물체 탐지 더하기 딥러닝 (deep learning)의 주요한 큰 아이디어에 대해서만 볼겁니다. 그러나 물체 탐지에서의 아이디어는 우리가 신경쓰는 어떤 정해진 카테고리 집합을 가지고 시작한다는 겁니다. 아마도 고양이와 개, 물고기 혹은 뭐든지, 우리가 관심있는 어떤 정해진 카테고리 집합이죠. 이제 우리의 작업은 입력 이미지가 주어지고, 이미지에 저 카테고리 중 하나가 나타날 때마다, ..
-
[cs231n] 11강 탐지와 분리 (Detection and Segmentation) (2/4, 분류 + 위치찾기 (classification + localization))AI 2021. 4. 26. 17:39
다음 작업으로 얘기하고 싶은 것은 이 분류 더하기 위치 찾기 (classification plus localization)아이디어입니다. 이미지 분류에 대해서 많이 얘기했는데, 여기서 우리는 그냥 입력 이미지에 어떤 카테고리 레이블 (category label)을 붙이고 싶었죠. 그러나 가끔 여러분은 이미지에 대해서 좀 더 알고 싶을 수도 있죠. 카테고리가 뭔지 예측하는 것 뿐만 아니라, 이 고양이의 경우에서, 여러분은 이미지에서 그 객체가 어디 있는지 알고 싶을 겁니다. 고양이 카테고리 레이블을 예측하는 것 뿐 아니라, 그 이미지에서 고양이 영역 주변에 경계 상자 (bounding box)를 그리고 싶을 수도 있죠. 분류 더하기 위치 찾기를 여기서 객체 탐지 (object detection)와 구별하는..