
340
1
부
머신러닝
가우스 혼합 모델이 잘 작동합니다.
TIP
k
-평균을 실행하기 전에 입력 특성의 스케일을 맞추는 것이 중요합니다(
2
장 참고). 그렇지 않으면 클러스터가
길쭉해지고
k
-평균의 결과가 좋지 않습니다. 특성의 스케일을 맞추어도 모든 클러스터가 잘 구분되고 원형을
형태를 가진다고 보장할 수는 없지만 일반적으로
k
-평균에 도움이 됩니다.
이제 군집에서 도움을 받을 수 있는 몇 가지 방법을 살펴보겠습니다.
k
-평균을 사용하지만 다
른 군집 알고리즘으로도 자유롭게 실험해보세요.
9.1.3
군집을 사용한 이미지 분할
이미지 분할
image
segmentation
은 이미지를 여러 개의
세그먼트
segment
로 분할하는 작업입니다. 여기
에는 여러 가지 변형이 있습니다.
•
색상 분할
동일한 색상을 가진 픽셀을 같은 세그먼트에 할당합니다. 많은 애플리케이션에서는 이 정도로 충분합니다.
예를 들어 인공위성 사진을 분석하여 한 지역의 전체 산림 면적이 얼마나 되는지 측정하려면 색상 분할로
충분합니다.
•
시맨틱 분할
동일한 종류의 물체에 속한 모든 픽셀을 같은 세그먼트에 할당합니다. 예를 들어 자율 주행 자동차의 비전
시스템에서 보행자 이미지를 구성하는 모든 픽셀은 ‘보행자’ 세그먼트에 할당될 것입니다.
•
인스턴스 분할
개별 객체에 속한 모든 픽셀을 같은 세그먼트에 ...