Machine learningDeep learning / NLP / CV
Semantic segmentation
Semantic segmentation을 사진을 범주별로 색칠하는 것으로 생각해보세요. 도로에 속하는 모든 픽셀은 하나의 색으로, 모든 하늘 픽셀은 다른 색으로, 모든 보행자 픽셀은 세 번째 색으로 칠해집니다. 신경망은 이미지를 풍부한 추상 표현으로 압축했다가 다시 전체 해상도로 확장하면서 이 픽셀별 결정을 학습하며, 이 모든 과정에서 공간적 위치를 유지합니다. 결과는 단순히 '차가 어딘가에 있다'가 아니라 '이 정확한 픽셀들이 차다'입니다. 이는 경계 상자보다 훨씬 더 많은 정보를 제공하지만, 레이블이 지정된 훈련 데이터와 계산 측면에서도 훨씬 더 많은 요구 사항을 갖습니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
+15 more
출처
- Long, J., Shelhamer, E., & Darrell, T. (2015). Fully convolutional networks for semantic segmentation. In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), pp. 3431–3440. DOI: 10.1109/CVPR.2015.7298965 ↗
- Chen, L.-C., Papandreou, G., Kokkinos, I., Murphy, K., & Yuille, A. L. (2018). DeepLab: Semantic image segmentation with deep convolutional nets, atrous convolution, and fully connected CRFs. IEEE Transactions on Pattern Analysis and Machine Intelligence, 40(4), 834–848. DOI: 10.1109/TPAMI.2017.2699184 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Semantic Segmentation (Dense Pixel-wise Classification). ScholarGate. https://scholargate.app/ko/deep-learning/semantic-segmentation
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- 미세 조정된 의미론적 분할딥러닝↔ compare
- 이미지 분류딥러닝↔ compare
- 인스턴스 분할딥러닝↔ compare
- 객체 탐지딥러닝↔ compare
- 컨볼루션 신경망을 이용한 전이 학습딥러닝↔ compare
이 방법을 참조하는 항목
도메인 적응 인스턴스 분할도메인 적응형 비전 트랜스포머설명 가능한 이미지 분류설명 가능한 인스턴스 분할설명 가능한 객체 탐지설명 가능한 시맨틱 분할설명 가능한 비전 트랜스포머(Explainable Vision Transformer)미세 조정된 의미론적 분할미세 조정된 비전 트랜스포머이미지 분류인스턴스 분할다국어 의미론적 분할(Multilingual Semantic Segmentation)다중 모달 인스턴스 분할다중 양식 객체 탐지다중 양식 의미론적 분할(Multimodal Semantic Segmentation)객체 탐지Self-supervised Instance Segmentation픽셀 단위의 수동 주석 마스크에 의존하지 않고 이미지의 모든 픽셀에 클래스 레이블을 할당하도록 학습하는 자기 지도 의미론적 분할.준지도 학습 인스턴스 분할준지도 학습 의미론적 분할컨볼루션 신경망을 이용한 전이 학습인스턴스 분할을 위한 전이 학습약한 지도 학습 컨볼루션 신경망약지도 인스턴스 분할약한 지도 의미론적 분할