목차

• 1. Semantic Segmentation이란?
• 2. 이미지 분류(Classification)와의 차이
  • 핵심 차이 비교
  • 공간 정보 차이 보충설명
• 3. 핵심 정리

---

1. Semantic Segmentation이란?

이미지에 포함된 모든 픽셀에 대해 각 픽셀이 어떤 의미적 클래스(semantic class)에 속하는지를 예측하는 것

• 이미지 전체를 하나의 단위로 판단하는 것이 아니라, 이미지를 구성하는 가장 작은 단위인 픽셀 수준에서 분류를 수행.
• 입력: 이미지 1장 (H × W × C)
• 출력: 분할 마스크 (H × W)
  • 각 픽셀 값은 클래스 ID를 의미
• 예)
  0 → 배경
  1 → 도로
  2 → 자동차
  3 → 사람

2. 이미지 분류(Classification)와의 차이

이미지 분류(Image Classification)는 이미지 전체를 하나의 의미 단위로 보고 하나의 클래스만 예측한다.

예를 들어, “이 이미지는 고양이다”, “이 이미지는 자동차이다” 이렇게만 예측한다.

핵심 차이 비교

구분	이미지 분류	Semantic Segmentation
예측 단위	이미지 전체	픽셀 단위
출력 형태	클래스 벡터	이미지 크기의 마스크
위치 정보	알 수 없음	정확히 알 수 있음
공간 정보 활용	거의 없음	필수적
난이도	낮음	높음
라벨링 비용	낮음	매우 높음

공간 정보 차이 보충설명

이미지 분류는 이미지에 무엇이 있는지만 중요하고, 어디에 있는지는 중요하지 않다.

Semantic Segmentation는 무엇인지, 어디에 있는지, 어떤 형태인지까지 필요하다.

이 때문에 Segmentation은 객체의 경계(boundary)와 픽셀 간 관계를 유지하는 모델 구조가 필요하다.

3. 핵심 정리

• Semantic Segmentation은 픽셀 단위 분류 문제
• 이미지 분류는 이미지 단위 판단 문제
• 가장 큰 차이는 공간 정보(위치·형태)를 유지하느냐의 여부
• Segmentation은 출력 차원이 크고, 라벨링 비용과 난이도가 높음
• 위치와 형태가 중요한 문제에서 Segmentation이 사용된다