분류는 이미지 전체에 레이블을 지정하고, 분할은 모든 픽셀에 레이블을 지정합니다. 이 작업은 이미지를 여러 영역으로 나누고 각 픽셀을 도로, 보행자, 하늘, 종양과 같은 클래스로 분류합니다. 의료 영상, 자율 주행 및 위성 분석에 필수적입니다.

세 가지 유형이 중요합니다. 의미론적 분할은 각 픽셀에 범주별 레이블을 지정합니다. 인스턴스 분할은 범주 내의 개별 객체를 구분합니다. 파노라마 분할은 이 두 가지를 결합하여 모든 픽셀에 레이블을 지정하고 인스턴스를 분리합니다.

일반적인 세분화 아키텍처

• 생체의학 영상용 U-Net
• 인스턴스 분할을 위한 Mask R-CNN
• 의미론적 분할을 위한 DeepLab
• 일반용 마스크에 적합한 모든 것을 분류하세요.

어노테이션 작업은 비용이 많이 듭니다. 데이터셋의 모든 픽셀에 레이블을 지정하는 데는 바운딩 박스를 그리는 것보다 훨씬 더 많은 시간이 소요됩니다. 약한 지도 학습과 대화형 도구가 도움이 되지만, 고품질 분할 데이터는 새로운 도메인 개발에 있어 여전히 병목 현상으로 남아 있습니다.