딥러닝/시멘틱 세그먼테이션
-
U-Net딥러닝/시멘틱 세그먼테이션 2022. 6. 5. 17:00
전체적인 아키텍쳐입니다. 1x572x572 흑백 이미지를 입력으로 합니다. 이미지의 크기가 224x224에서 많이 커졌습니다. 아키텍쳐 왼쪽 부분을 설명하겠습니다. 아키텍쳐 왼쪽 부분 왼쪽 부분에서 Conv + ReLU + Conv + ReLU + Conv + ReLU가 하나의 블록을 형성하고 총 5 개의 블록을 거치면서 28x28까지 평면 차원이 축소됩니다. 572란 width에서 패딩 적용하지 않고 컨볼루션 3x3 연산을 계속하게 되는데, 한번 적용할 때마다 width가 조금씩 깎입니다.572에서 572, 570, 568, MP, 284, 282, 280, MP, 140, 138, 136, MP, 68, 66, 64,. MP, 32, 30, 28 이렇게 갑니다. 신기하게 28이란 width에 도달했습..
-
시멘틱 세그먼테이션의 시초가 된 FCN-32의 아이디어딥러닝/시멘틱 세그먼테이션 2022. 6. 5. 09:43
시멘틱 세그먼테이션은 RGB 3채널인 이미지를 출력 차원으로 하는 딥러닝 모델입니다. 이러한 모델을 특히 Fully Convolutional Neural Network 구조로 바꾸어 놓은 FCN에 대해 알아보도록 하겠습니다. 시멘틱 세그먼테이션 시멘틱 세그먼테이션은 딥러닝 아키텍쳐로 보통 출력 부분이 이미지넷의 이미지 종류 개수에 맞추어 (배치 크기, 1000) 으로 해왔던 기본 CNN 과 달리 출력 부분을 원본 이미지 차원으로 바꾸어 놓은 모델을 말합니다. 예를 들어 (배치 크기, 3, 224, 224) 가 될 수 있습니다. FCN-32 모델의 첫 입력은 (224, 224, 3)으로 입력 원본 이미지와 동일합니다. 실제 코딩으로 주입할 때는 (3, 224, 224) shape으로 주입해야 하는 점 주의..