YOLOv8과 SAM을 활용한 고성능 이미지 세그멘테이션 모델 구축 가이드

튜토리얼 형식의 게시물로, 실무적인 구현 방법과 외부 리소스 링크가 포함되어 있어 학습자들에게 유용한 정보를 제공한다.

• YOLOv8의 바운딩 박스 출력을 SAM의 프롬프트로 연결하여 라벨링 자동화 파이프라인을 구축하라.
• SAM으로 생성된 고품질 마스크를 YOLOv8-seg 포맷으로 저장하여 커스텀 모델 학습에 활용하라.
• 복잡한 배경의 객체 분할 시 SAM의 제로샷 성능을 적극 활용하여 정확도를 보정하라.

세그먼트 애니싱 모델(Segment Anything Model (SAM))

— 메타(Meta)에서 개발한 이미지 세그멘테이션 모델로, 점이나 박스 같은 프롬프트를 입력받아 이미지 내 어떤 객체든 정밀하게 분할하는 제로샷(Zero-shot) 성능을 보유했다.

YOLOv8

— Ultralytics에서 출시한 실시간 객체 탐지 및 세그멘테이션 모델로, 이전 버전 대비 높은 정확도와 속도를 제공하며 다양한 컴퓨터 비전 작업에 최적화되었다.

이미지 세그멘테이션(Image Segmentation)

— 이미지 내의 각 픽셀이 어떤 객체에 속하는지 픽셀 단위로 분류하여 객체의 정확한 형태와 경계를 파악하는 컴퓨터 비전 기술이다.

제로샷 학습(Zero-shot Learning)

— 모델이 학습 과정에서 직접적으로 보지 못한 새로운 클래스나 데이터에 대해서도 추가 학습 없이 추론을 수행할 수 있는 능력을 의미한다.