[딥러닝, CV] FCN, 객체 탐지/인식

Semantic Segmentation(의미론적 분할)

• 위 그림과 같이 개체와 상관없이 같은 의미를 갖는 단위로 분할하는 방법입니다.

U-net

• 이미지 분할을 위한 대표적인 모델 중 하나로 End-to-End 방식의 FCN 기반 모델입니다.
• 크게 Downsampling과 Upsampling 부분으로 나뉘어집니다.
• Downsampling은 Convolution 및 Pooling 과정을 통해 이미지의 특징을 추출합니다.
• Upsampling의 경우 Convolution 및 Transpose Convolution 과정을 통해 원본과 비슷한 크기로 복원합니다.
• 또한, Downsampling 각 level에서의 output인 feature map을 적당한 크기로 만들어 같은 level에서의 Upsampling input에 concat하여 사용합니다. (skip-connetion과 같이 소실되는 정보를 어느 정도 보존해주는 역할을 합니다.)

Object Detection/Recognition

• 객체를 탐지하고 인지하는 task입니다.
• 단순히 분할만 하는 것이 아닌, 이미지 내에 레이블에 맞는 객체를 탐지합니다.
• IoU(Intersection over Union) : 객체 탐지의 결과에 대한 지표로 정답 box와 예측 박스에 대해 (교집합/합집합) 으로 나타냅니다.(1에 가까울수록 성능이 뛰어난 모델입니다.)
• 방식
  • Two stage : 객체가 있을 만한 위치를 정한 뒤, 그 위치에 대해 분류를 수행하는 방식)
  • One stage :특정 지역을 선택하는 것이 아닌 입력 이미지를 작은 격자로 나눈 후 특징을 추출하여 분류하는 방식