【Panoptic Segmentation】입문편
Panoptic Segmentation
Semantic Segmentation => 모든 픽셀의 클래스를 추정하는 작업
Instance Segmentation => 객체로 인식 된 픽셀의 객체 번호 (id)를 추정하는 작업
Panoptic Segmentation => pixel마다 class와 물체 번호(id)를 추정하는 태스크
셀 수 있는 클래스(차나 사람)를 Thing 클래스
셀 수 없는 클래스(하늘이나 길)를 Stuff 클래스로 한다
평가 지표
Segment Matching
Groung Truth와 prediction의 IoU가 0.5 이상이라고 Matching한 것으로 간주된다
증명 그렇게 어렵지 않으므로 좋으면 읽어보세요.
PQ Computation
일치하는 세그먼트의 IoU 평균
실수를 페널티로 분모에 추가 => 점수가 작다
합체시킨 것을 Panoptic Quality로 한다
일단이 공식만 기억하면 완벽합니다!
변형하면 무려 무려 Segmentation Quality와 Recognition Quality가 되지 않을까!
* 클래스로 나누어지지 않은 pixel, 애매한 pixel는 계산에서 제외한다
결론
물체 번호와 클래스를 추정하는 작업입니다.
시도하지 않으면 이미지가 끓지 않습니다.
구현하면 코드를 탈 수 있습니다!
참고문헌
Panoptic Segmentation
htps : // 아 rぃ v. rg / pdf / 1801. 00868. pdf
컴퓨터 비전의 최신 논문 조사 Segmentation 편
htps : // 엔기네 r. 그래. 코 m / 포 sts / 2019.
Reference
이 문제에 관하여(【Panoptic Segmentation】입문편), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다
https://qiita.com/minh33/items/101153371b9fd4ee6115
텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
우수한 개발자 콘텐츠 발견에 전념
(Collection and Share based on the CC Protocol.)
Panoptic Segmentation
htps : // 아 rぃ v. rg / pdf / 1801. 00868. pdf
컴퓨터 비전의 최신 논문 조사 Segmentation 편
htps : // 엔기네 r. 그래. 코 m / 포 sts / 2019.
Reference
이 문제에 관하여(【Panoptic Segmentation】입문편), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다 https://qiita.com/minh33/items/101153371b9fd4ee6115텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
우수한 개발자 콘텐츠 발견에 전념 (Collection and Share based on the CC Protocol.)