의료 AI17 [03] - 빠르면서도 정확한 SegNet SegNet 이란??SegNet은 특히 도로 장면을 이해하기 위해 설계된 Semantic Segmentation 모델이다. SegNet의 주요 목표는 차량, 도로, 차선, 건물, 보도, 하늘, 사람과 같은 객체들을 빠르고 정확하게 구분하는 것이다. 이 글에서는 SegNet이 어떤 발전 동기와 구조를 가지고 있으며, 유사한 네트워크와 어떤 차이점이 있는지 알아보자. SegNet의 발전 동기SegNet은 자율 주행과 같은 Road Scene Understanding Applications를 위한 모델로 개발되었다. 이 분야에서는 다양한 객체들을 명확하게 분류할 수 있는 세그멘테이션 모델이 필수적이다. SegNet은 기존 모델들이 기능적으로 뛰어난 성능을 제공하더라도 속도가 부족한 문제를 해결하고자 개발되었.. 2024. 11. 14. [02] - FCN 한계점을 극복한 DeconvNet 이란?? FCN 의 한계점 1. 객체의 크기가 크거나 작은 경우 예측을 잘 하지 못하는 문제FCN(Fully Convolutional Network)은 객체의 크기에 따라 예측 정확도가 달라지는 문제가 있다. 특히, 큰 객체의 경우 지역적인 정보만을 사용해 예측하기 때문에 오차가 발생하기 쉽다. 위의 이미지에 상당 부분을 보면, 버스의 앞 부분을 버스로 인식하지만 유리창에 비친 자전거를 보고 자전거로 예측하는 문제가 발생하기도 한다. 이는 동일한 객체여도 부분적으로 다른 레이블이 예측될 가능성을 높인다. 작은 객체의 경우 무시되는 문제도 존재한다. 작은 객체는 이미지 내에서 충분한 정보가 제공되지 않아 삭제되거나 아예 예측이 되지 않는 경우가 발생한다. 실제로 작은 객체의 일부가 있는 이미지에서도 FCN은 이.. 2024. 11. 13. [01] - FCN32s, FCN16s, FCN8s 이란? FCN 이란?FCN은 2015년에 처음 소개된 신경망 모델로, 이미지의 픽셀 단위 예측을 수행하여 분할(Segmentation) 작업에서 중요한 역할을 하게 되었다. 이후 많은 연구에서 기본 모델로 사용되며 다양한 발전이 이루어졌다. FCN은 기존의 이미지 분류를 위해 설계된 네트워크와 달리, 이미지 내의 각 픽셀을 개별적으로 분류할 수 있도록 설계되었다는 점에서 차별성을 가진다. FCN의 주요 구성 요소와 특징 1. VGG 네트워크 백본 사용FCN은 VGG 네트워크를 백본(Backbone)으로 사용한다. VGG 네트워크는 이미지 특징을 추출하는 데 강력한 성능을 보여주며, 이는 FCN이 이미지 내 세밀한 특징을 분석하고 분류하는 데 적합한 구조이다. 여기서 백본은 Feature Extracting .. 2024. 11. 12. 이미지 기반 손 뼈 EDA 데이터 EDA 이번 프로젝트의 목표는 X-ray 이미지를 받아 사람의 손 뼈를 분할(segmentation)하는 모델을 만드는 것이다. 향후 자동화된 진단 시스템에 사용될 가능성이 있으며, 의료 현장에서 정확한 손 뼈 분할을 통해 의사의 진단을 돕는 역할을 할 수 있을 것으로 기대된다. 1. 데이터 구성이미지는 2048 x 2048 해상도의 3채널 RGB 형태이다. 높은 해상도의 이미지를 사용함으로써 손 뼈의 세부적인 형태와 구조를 분할하는 데에 유리하다. 고해상도 이미지는 모델이 보다 세밀한 구조를 학습할 수 있는 장점이 있다.총 데이터 수: 550명으로부터 얻은 X-ray 이미지훈련 이미지: 800장 (400명의 이미지)테스트 이미지: 300장 (150명의 이미지)이렇게 제공된 데이터를 바탕으로 모델.. 2024. 11. 11. 이전 1 2 3 4 5 다음
