시맨틱 세그멘테이션 — FCN & U-Net / Semantic Segmentation

English summary. Pixel-level image segmentation in PyTorch: a Fully Convolutional Network (FCN) that replaces dense layers with convolutions and upsampling to produce dense per-pixel predictions, and a U-Net for multi-class segmentation with its encoder–decoder + skip-connection architecture (image/mask pairs, FCN8s-style decoding).

---

개요

이미지를 픽셀 단위로 분류하는 시맨틱 세그멘테이션을 두 대표 구조(FCN, U-Net)로 구현한 노트북입니다. 분류(class)·탐지(box)를 넘어, 객체의 경계와 형태를 픽셀 마스크로 예측합니다.

노트북 구성

#	노트북	내용
01	fcn_segmentation	FCN — 사전학습 backbone + 완전합성곱·업샘플링으로 픽셀 예측, 학습 지표·가중치 저장/로드
02	unet_segmentation	U-Net 멀티클래스 세그멘테이션 — 이미지·마스크 쌍 확인, 인코더-디코더 + skip-connection, FCN8s 디코딩

다룬 개념

• FCN: dense layer를 conv로 대체 → 임의 크기 입력에서 픽셀별 예측, 업샘플링(transpose conv)
• U-Net: 인코더-디코더 대칭 구조 + skip-connection으로 세밀한 경계 복원
• 데이터: 이미지–마스크 쌍 처리, 다중 클래스 마스크 시각화, 세그멘테이션 지표

결과 시각화

노트북의 실제 출력입니다 — 원본 이미지, 정답 마스크(Ground Truth), 예측 마스크(Predicted).

FCN·U-Net이 이미지를 픽셀 단위로 분할해 객체 영역을 마스크로 예측합니다.

실행 방법

pip install torch torchvision opencv-python pillow numpy pandas matplotlib scikit-learn tqdm
# 이미지/마스크 데이터셋을 노트북 경로에 배치 후 실행
jupyter notebook

참고

• 객체 탐지: pytorch-object-detection
• OpenCV 영상처리: opencv-image-processing

---

NVIDIA AI Academy Seoul 교육과정 실습 — 전체 포트폴리오