[TIL] #11 2026-04 -08

 

 

U-net : 인코더는 Down-Sampling할 때 각 층에서의 특성맵을 보관하고, 디코더에서 인코더의 같은 층의 특징 맵을 concat하여 skip-connection을 진행한다.

 

※Skip-Connection

Skip-Connection : U-net이랑 Resnet에서 사용하는 개념인데, 특정 층의 출력을 계산하는 대신, 그 출력을 다음 층의 출력에 더하는 방식을 사용하는 방식

 

같은 층 특성 맵 합침(채널 수 2배) -> 컨볼루젼으로 1/2로 채널수 만듬 -> 업샘플링

 

디테일한 정보들이 특성맵으로 압축되면서 정보를 잃어버리는 경우가 생기는데, 다운샘플링중 고해상도 특성맵을 저장해놓았다가 두 특성맵들을 concat하여 사용하면서, 원본 이미지의 디테일한 정보 + 저해상도 특성맵의 중요한 정보를 합쳐서 원본 이미지와 유사하게 출력이 가능해진다

 

 

이미지 Segmentation의 데이터세트를 구성할 때는 toTensor() 대신 F2.to_dtype(img, torch.float32) 사용

-> scale = True : 0 ~ 1 사이 정규화, False :  정규화 X

 

mask의 경우에는 torch.long타입으로 바꾸고, scale = False 한 다음 mask = (mask/255) > 0.5.sqeeze(0).long()으로 직접 클래스 번호 할당 0(배경) 1(사물)

 

 

※이미지 분할에서의 손실

픽셀별 cross-entropy 손실 : 이미지의 모든 픽셀에 대해 각각 이 픽셀이 정답 클래스에 속할 확률을 계산

 

다이스 손실 : 두 영역이 얼마나 겹치는지를 나타내는 Dice Coefficient를 손실 함수로 변경

-> 이미지 내에서 찾는 무체가 아주 작고 배경이 넓을 떄 매우 강력

 

위 두 손실을 합쳐서 많이 사용함