이미지 인식 용어 정리

<Image Task>

Classification, Localization, Object Detection, Instance Segmentation

 

Classification :

입력으로 주어진 이미지 안의 객체 Object 의 종류(Class 또는 Label 이라고 불림)를 구분하는 행위이다.

 

Localization :

이미지의 두번째 경우 같이 모델이 주어진 이미지 안의 Object 가 이미지 안의 어느 위치에 있는지 위치 정보를 출력해주는 것으로, 주로 Bounding box 를 많이 사용하며 주로 bounding box 의 네 꼭지점 pixel 좌표가 출력되는 것이 아닌 left top, right bottom 좌표를 출력한다.

 

Object Detection :

보편적으로 Classification 과 Localization 이 동시에 수행되는 것을 의미한다.

모델의 학습 목적에 따라서 특정 Object 만 Detection 하는 경우도 있고 (이 경우 학습시 검출하고자 하는 Object 에 대한 학습정보만 입력함), 여러개의 객체를 검출하는 Multi object detection 모델을 만들기도 한다.

종종 object deteciton 은 localization 의 의미로만 사용되는 경우도 있다. 이 경우는 이미지 위에 모델이 학습한 object 위치만 bounding box 로 표현되고 class 종류는 구분하지 않는 경우이다.

 

Object Recognition :

대개의 경우 Object detection 과 같은 의미로 쓰인다.

그러나 detection 은 object 의 존재 유무만 의미하고 recognition 이 object 의 종류를 아는 것이라고 해석하여 object detection 이 object recognition 보다 더 작은 의미로 해석되는 경우도 종종 있다.

 

Image Segmentation 1

Object Segmentation :

object detection 을 통해 검출된 object 의 형상을 따라서 object 의 영역을 표시하는 것이다.

보통 이미지의 각 pixel 을 classification 해서 위와 같은 결과 값을 도출한다.

단순히 전경 foreground 와 배경 background 를 구분하는 용도로 쓰이기도 한다.

 

Image Segmentation :

Image segmentation이란 이미지의 영역을 분할하는 것이다.

이런 분할된 영역들을 적당한 알고리즘을 사용해 합쳐서 object segmentation 을 수행한다.

 

Image Segmentation 2

Semantic Segmentation :

Semantic segmentation이란 Object segmentation을 하되 같은 class 인 object 들은 같은 영역 혹은 색으로 분할하는 것이다.

 

Instance Segmentation :

Semantic segmentation 에서 한발 더 나아가서, 같은 class 이더라도 서로 다른 instance 들을 구분해주는 것이다.

 

 

---

참조 : https://light-tree.tistory.com/75?category=755497 

딥러닝 객체 검출 용어 정리 Deep learning Object detection terminology [1]