[논문 리뷰] Image Segmentation Algorithms Overview

Yuheng Song, Hao Yan|arXiv (Cornell University)|2017. 07. 07.

Image and Object Detection Techniques참고 문헌 2인용 수 128

한 줄 요약

이 논문은 주요 이미지 분할 알고리즘(영역 기반, 에지 기반, 클러스터링, 약지도 학습 CNN)을 분석·요약하고 그 장단점과 향후 경향에 대해 논의한다.

ABSTRACT

The technology of image segmentation is widely used in medical image processing, face recognition pedestrian detection, etc. The current image segmentation techniques include region-based segmentation, edge detection segmentation, segmentation based on clustering, segmentation based on weakly-supervised learning in CNN, etc. This paper analyzes and summarizes these algorithms of image segmentation, and compares the advantages and disadvantages of different algorithms. Finally, we make a prediction of the development trend of image segmentation with the combination of these algorithms.

연구 동기 및 목표

• 의료 영상, 얼굴 인식, 보행자 탐지와 같은 분야에서 이미지 분할의 중요성을 강조한다.
• 현재 분할 기술을 체계적으로 검토하고 기본 원리에 따라 분류한다.
• 다른 알고리즘 군의 강점과 약점을 비교한다.
• 다양한 접근 방식의 통찰을 결합하여 향후 개발 방향을 예측한다.

제안 방법

• 기존 이미지 분할 알고리즘의 조사 및 분류.
• 범주 간의 장단점에 대한 질적 비교.
• 성능 향상을 위한 알고리즘 군 간의 통합 기회 논의.

실험 결과

연구 질문

• RQ1 이미지 분할 알고리즘의 주요 분류는 무엇인가?
• RQ2 영역 기반, 에지 기반, 클러스터링 기반, 약지도 CNN 접근 방식의 상대적 이점과 한계는 무엇인가?
• RQ3 다양한 분할 기술을 결합하여 어떤 개발 경향을 예측할 수 있는가?

주요 결과

• 다양한 분할 접근법은 의료 영상 및 인식 작업과 같은 응용에 관련된 명확한 강점과 트레이드오프를 갖고 있다.
• 영역 기반, 에지 기반, 클러스터링 기반, 약지도 학습 CNN 방법 각각 고유의 단점이 있어 적용 가능성에 영향을 준다.
• 여러 알고리즘의 요소를 결합하는 것이 분할 성능 향상의 한 경로로 제시된다.
• 논문은 이미지 분할 연구를 위한 향후 방향을 안내하는 구조화된 요약을 제공한다.