[영상분석] 딥러닝의 영상분석 3가지

Study. 영상분석

딥러닝으로 할 수 있는 영상분석은 정말 많다. 
그러나 영상분석 이전에 이미지 분류 공부부터 해보는 것이 좋다.

나는 지난 2주 동안 이미지 분류 공부를 했기 때문에 영상 분석으로 넘어가 보려고 한다.
들어가기에 앞서서 사전 공부를 하였다.

 

딥러닝의 영상 분석은 이미지 분류(Image Classification), 사물 인식(Object Detection), 이미지 세그멘테이션(Image Segmentation) 이렇게 3가지로 나눌 수 있다.

---

(1) 이미지 분류(Image Classification)

먼저 이미지 분류는 특정 이미지에 대해서 특징(feature)을 추출한 값을 통계적으로 분석하였을 때 그 특정 이미지의 값이 가장 높게 나오게 하는 것이다. 결론적으로 어떤 사물이 있는 이미지를 input 했을 때 그 이미지가 어떤 사물인지 분류하는 게 이미지 분류이다. 

---

(2) 사물 인식(Object Detection)

사물 인식[아시아경제]

두 번째 사물 인식은 특정한 사물 별로 인식해서 그 위치를 높이, 너비와 같은 좌표로 이루어져서 Box 형태로 나타내는 것을 말한다. 사물 인식은 Bounding Box 형태로 나타낸다. 

 

여기서 이미지 분류와 사물 인식의 가장 큰 차이점은 이미지 분류는 '그 이미지가 이것일 것이다'라는 확률이 결과로 도출되고, 사물 인식은 '그 이미지에서 어디 위치에 있는 것은 이것이고 정확도(신뢰도)는 몇 % 이다.'라는 식으로 결과가 도출된다. 

---

(3) 이미지 세그멘테이션(Image Segmentation)

세 번째 이미지 세그멘테이션은 사물 인식에서의 좌표 대신에 타깃 객체가 감지되는 사진의 모든 픽셀을 지정한 색상으로 표시하는 것이다. 타깃 외에 영역을 표시하는 것도 가능하다. 

 

 

이렇게 3가지 종류가 있다는 것을 알았으니 활용해보자.

나는 이제부터 사물 인식을 공부해볼 예정이다.