728x90 IOU2 PyTorch U-Net 이미지 세그멘테이션: 구조·Dice Loss·반려동물 실습 사진 분류는 “고양이인가?”에 답하지만 이미지 세그멘테이션은 고양이의 몸이 어느 픽셀까지인지 답한다. 귀 끝과 꼬리처럼 작은 경계를 살리려면 넓은 문맥과 정확한 위치 정보가 모두 필요하다. U-Net은 이미지를 줄이며 문맥을 모으고, 다시 키우면서 인코더의 같은 해상도 특징을 스킵 연결로 가져와 이 문제를 푼다. 세그멘테이션 결과는 클래스 하나가 아니라 입력과 같은 공간에 놓인 픽셀별 예측 마스크다. 목차 Oxford-IIIT Pet 데이터와 trimap U-Net의 인코더·디코더·스킵 연결 이미지와 마스크를 함께 변환하기 PyTorch U-Net 최소 구현 Cross Entropy와 Dice를 함께 보는 이유 학습.. 2026. 8. 1. 객체 검출 완전정리: OpenCV 에지·템플릿 매칭부터 YOLO·Faster R-CNN까지 사진에서 윤곽선을 찾는 일, 객체의 위치와 종류를 찾는 일, 영상에서 같은 객체의 이동을 이어 보는 일은 서로 다르다. 이미지 처리 → 객체 검출 → 객체 추적을 구분하면 OpenCV의 전통 기법과 YOLO·Faster R-CNN 같은 학습 모델을 어디에 써야 하는지 보인다. 이 글의 목표: Canny·Hough·템플릿 매칭의 역할부터 1단계·2단계 검출 모델, NMS, IoU, 추적 ID까지 실전 영상 파이프라인으로 연결한다. 겹친 상자의 중복 박스를 제거하고 프레임이 바뀌어도 같은 추적 ID를 유지하는 현장 목차 이미지 처리·검출·추적 차이 OpenCV 전통 기법의 역할 학습 기반 검출 모델의 출력 IoU·NMS·정밀도·재현율 .. 2026. 7. 30. 이전 1 다음 728x90
