• 김서희[[email protected]]
• 서민지[[email protected]]
• 이채윤[[email protected]]

University of Cambridged에서 제공하는 CamVid 데이터셋을 사용하여 Semantic-Segmentation을 진행하였습니다. 해당 데이터셋은 주행하면서 얻은 거리 수준 뷰가 들어있는 영상 모음으로 자동차, 도로등을 포함하여 총 32개의 클래스에 대한 픽셀 수준의 레이블이 담겨있습니다.

데이터에 대한 자세한 설명은 다음 사이트에서 확인할 수 있습니다.

다음과같이 Orginal 데이터를 Labeled 데이터로 분류하는 것이 프로젝트의 목표입니다.

• cv2.imread 함수를 사용하여 데이터를 읽어올시 BGR형태로 데이터가 바뀌게 됩니다. 따라서 cvt.cvtColor함수를 사용하여 원본 데이터인 RGB형태로 변경합니다.
• 원본 데이터의 크기는 (720,960,3)입니다. 학습 시 속도 향상의 효율성을 위해 cv2에서 제공하는 resize 함수를 사용하여 (128,128,3)로 사이즈를 변경합니다.

Labeled 데이터도 다음과 동일하게 전처리를 진행합니다.

• FCN
• U-NET
• SEGNET

|--Data
|  |--Original_data        # original 데이터
|  |--Labeled_data        # labeled 데이터 
  
    |--Preprocessing
    |  |--preprocessing.py    # 데이터 전처리 

        |--Modeling      
        |  |--fcn.py     # fcn 모델
        |  |--unet.py    # unet 모델
        |  |--segnet.py  # segnet 모델

numpy == 1.19.5
pandas == 1.1.5
scikit-learn == 0.22.2
tensorflow == 2.5.0
keras == 2.5.0
cv2 == 4.1.2