1. U-Net - 이미지 세그멘테이션에 사용되는 딥러닝 아키텍처 - 인코더-디코더 기반의 모델 - 충분한 양의 라벨이 없는 작은 데이터셋에서도 효과적으로 작동 2. U-Net의 구조 Encoder 역할의 Contracting path Decoder 역할의 Expansive path Skip connection U-Net은 위와 같이 세 가지 파트로 나눌 수 있다. Encoder (Contracting Path) 입력 이미지의 특징을 추출할 수 있도록 채널 수를 늘리면서 차원을 축소하는 단계 1. convolution 연산 : 일반적으로 3x3 크기의 커널을 사용, 필터의 수는 해당 레이어에서 추출할 특징의 수를 나타낸다. 2. pooling 연산 : 풀링 연산을 통해 down sampling을 수행 주..

1. Segmentation (세그멘테이션) 이미지를 작은 부분이나 세그먼트로 나누는 작업. 세그멘테이션의 두 가지 종류 - 시맨틱 세그멘테이션(Semantic Segmentation) - 인스턴스 세그멘테이션(Instance Segmentation) Semantic segmentation 이미지의 각 픽셀을 해당하는 객체 또는 클래스에 할당하는 작업 픽셀 수준에서 객체 또는 특정 패턴을 식별하는 것이 목표 (여기서 객체란 자동차, 사람, 동물 등) Instance segmentation 각 객체 또는 인스턴스를 식별하고 픽셀 수준에서 분리하는 작업 동일한 클래스에 속하는 두 개 이상의 객체를 서로 다르게 식별할 수 있다. ex) 여러 사람이 있는 이미지에서 각 사람을 따로 식별하고 구분 위 사진이 se..