Semantic Segmentation of Indoor Scenes Using Depth Superpixel

최근 몇 년 동안영상에서 객체를 분류하고 분할하는 알고리즘인 의미론적 분할은 많은 관심을 받았다특히값싸고 좋은 센서의 보급화로 깊이 영상을 쉽게 이용할 수 있어 실내 환경에서의 의미론적 분할은 눈부신 발전을 이루고 있다이러한 발전에도 불구하고 아직까지 속도와 성능을 모두 갖춘 의미론적 분할은 존재하지 않다일반적인 의미론적 분할은 랜덤 포레스트           등의 분류 알고리즘으로 픽셀 별 분류를 진행한 이후에!     "!  나 슈퍼 픽셀 을 이용하여 스무딩을 한다기존의 알고리즘들은 분류에서의 성능 향상과 함께 속도 향상을 이루었으나 스무딩을 위한 알고리즘에서는 속도 향상에 초점을 두지 않았다의미론적 분할은 여러 분야에서 사용될 수 있지만로봇과 같은 외부 기기에서 때때로 # $ %&#%& & '$ 를 사용할 수 없는 분야에서도 사용된다특히로봇 청소기와 같이 실내의 위치 와 객체를 실시간으로 반영해야 하는 응용 분야도 존재한다그러므로 # $를 사용하지 않고도 실시간 처리를 할 수 있는 알고리즘이 필요하다스무딩에서 !는 부드러운 커널을 이용하여 픽셀들의 공간적인 일관성을 만드는데 효과적인 알고리즘이다그러나 이 방법은 계산량이 많고 복잡하기 때문에 속도적인 측면에 초점을 두기에 적합하지 않다슈퍼 픽셀은 영상을 입력한 숫자의 작은 평면들로 분할하는 알고리즘이다대부분의 슈퍼 픽셀은