Semantic Segmentation - Part 1

이번에 진행하고 있는 CV 프로젝트를 위해서 공부하고 있는 개념들이나 모델들을 정리하는 겸 글을 적어보려 한다. 우리 프로젝트는 Segmentation과 Object Localization/Detection과 관련된 주제를 다루고 있다. 그래서 이에 대해서 공부하고 어떤 모델을 왜 선택했는지에 대해서 기록할 예정이다. 먼저, Segmentation에 대해서 알아보자.

 

Before learning Semantic Segmentation

What is Classification, Object Localization/Detection, Segmentation?

1. Classification
   • 하나의 인풋에 하나의 레이블만을 예측
2. Object Localization/Detection
   • 물체의 레이블을 예측함과 동시에 그 물체가 어디에 있는지 정보를 제공
   • YOLO, R-CNN, ...
3. Segmentation
   • 모든 픽셀의 레이블을 예측
   • FCN, SegNet, DeepLab, ...

 

What is Semantic Segmentation?

→ 이미지의 각 픽셀을 클래스 레이블과 연결하는 작업

• 일반적인 CNN의 구조같은 경우, 마지막 Fully Connected Layer에 의해 위치정보를 잃음
• BUT, Semantic Segmentation 모델들은 Encoder Decoder형태를 사용해 위치 정보를 잃지 않음

Why we use semantic segmentation?

UNet을 이용한 영상 분할 모델을 통해 지면의 종류를 grass, dirt, water, wall, gravel 등으로 분류해 지면의 상황을 드론이 인지할 수 있게 해줌. → 이를 이동 경로 상의 FOD 검출과 기체의 적합한 착륙장소 선정 등에 활용

 

Kinds of Semantic Segmentation

FCN, SegNet, U-Net