Semantic Segmentation with U-Net

Object Detection vs. Semantic Segmentation

• 각 픽셀이 연결되어 있는지 그렇지 않은지를 구분하는 방식입니다.
  특정 분야에서 효용성이 더 좋습니다.

 

Motivation for U-Net

• 예시에서 볼 수 있는 것처럼 의료 분야에서 어떤 질병이 있는지 없는지를 판단하는데 큰 도움을 줄 수 있습니다.

 

Per-pixel class labels

• label을 어떻게 설정하는지를 고민해봅시다.
• 위 이미지에서는 자동차인 부분은 1, 그렇지 않은 부분은 0이 될 것입니다.
  • 만약 건물까지 구분하고 싶다면, 건물을 2로 할당할 수 있습니다.
  • 여기에 도로까지 구분한다면 도로 부분은 3이 될 것입니다.
• bounding box를 예측할 때와 다르게 학습할 수 있습니다.

 

Deep Learning for Semantic Segmentation

• 기존 CNN의 architecture는 size를 줄이고 채널수를 늘리는 방식을 취했습니다.
• 하지만 그런 방식으로는 semantic segmentation을 위한 label을 제대로 설정할 수 없습니다.
  • 따라서 사이즈를 키우고 오히려 채널수를 줄이는 방식으로 원래의 input과 동일한 output을 만들어냅니다.
  • 이것이 U-Net에서 구현한 독특한 semantic segmentation 방식입니다.

 

 

출처: Coursera, Convolutional Neural Networks, DeepLearning.AI