[Segmentation] Segmentation 발전 과정

Image Segmentation

  Segmentation이란 직역하면 "의미 분할"로 해석될 수 있으며, Image Segmentation은 지금까지 리뷰한 classification, object detection에 이어 픽셀 단위로 해당 객체가 존재하는 픽셀까지 파악하는 분야이다. 이 역시 GPT를 통해 10개 내외의 대표 모델을 추천 받았으며, 각 논문 별로 포스팅하고자 한다. 다른 분야는 결국 Transformer로 귀결되던데 일단 한 줄 요약만 참고하면 transformer에 대한 언급은 없다...!

발전 과정

 

728x90

• FCN (Fully Convolutional Networks) - 2015
  • 논문 제목: "Fully Convolutional Networks for Semantic Segmentation"
  • 주요 기여: 전통적인 완전 연결 층을 제거하고, 전적으로 합성곱 신경망(CNN)만을 사용하여 픽셀 단위의 분할을 가능하게 함.
• SegNet - 2015
  • 논문 제목: "SegNet: A Deep Convolutional Encoder-Decoder Architecture for Image Segmentation"
  • 주요 기여: 인코더-디코더 아키텍처를 도입하여 효율적인 세그멘테이션을 구현. 디코더가 인코더의 맵을 복구.
• U-Net - 2015
  • 논문 제목: "U-Net: Convolutional Networks for Biomedical Image Segmentation"
  • 주요 기여: U자형 구조를 도입하여 작은 데이터셋으로도 높은 정확도의 세그멘테이션을 가능하게 함. 주로 생의학 분야에서 사용.
• PSPNet (Pyramid Scene Parsing Network) - 2017
  • 논문 제목: "Pyramid Scene Parsing Network"
  • 주요 기여: 다양한 스케일의 피라미드 풀링 모듈을 사용하여 전역 문맥 정보를 통합. 다양한 스케일에서의 정확한 분할.
• DeepLab - 2017
  • 논문 제목: "DeepLab: Semantic Image Segmentation with Deep Convolutional Nets, Atrous Convolution, and Fully Connected CRFs"
  • 주요 기여: Atrous Convolution을 도입하여 해상도를 유지하면서도 수용 영역을 확장. CRF를 사용하여 분할 결과를 정교화.
• DeepLabv3 - 2017
  • 논문 제목: "Rethinking Atrous Convolution for Semantic Image Segmentation"
  • 주요 기여: ASPP (Atrous Spatial Pyramid Pooling)를 사용하여 다중 스케일에서의 정보를 통합. 이전 DeepLab 모델을 개선.

• Mask R-CNN - 2017
  • 논문 제목: "Mask R-CNN"
  • 주요 기여: Faster R-CNN에 픽셀 단위 마스크 예측을 추가하여 인스턴스 세그멘테이션을 구현.

• DeepLabv3+ - 2018
  • 논문 제목: "Encoder-Decoder with Atrous Separable Convolution for Semantic Image Segmentation"
  • 주요 기여: 인코더-디코더 구조를 도입하여 경계 정보와 세부 사항을 보존. Atrous Separable Convolution을 사용하여 효율성 증가.
• HRNet (High-Resolution Network) - 2019
  • 논문 제목: "Deep High-Resolution Representation Learning for Visual Recognition"
  • 주요 기여: 네트워크 내에서 높은 해상도를 유지하여 더 정교한 세그멘테이션 결과를 제공.
• PointRend - 2020
  • 논문 제목: "PointRend: Image Segmentation as Rendering"
  • 주요 기여: 렌더링 방식의 점 단위 세그멘테이션을 통해 고해상도의 세부 정보를 복구.

이후 목표

• 개별 논문 리뷰 예정
• CNN 관련 Generative 추가 학습
• RNN/LLM 분야, Reinforcement Learning 학습