딥러닝을 활용한 이미지 분할: 종합 조사

RESEARCH PAPER IT Crossref 실존 확인 2026-10-06 회차 지난 회차

딥러닝을 활용한 이미지 분할: 종합 조사

Image Segmentation Using Deep Learning: A Survey

Shervin Minaee, Yuri Boykov, Fatih Porikli 외 · IEEE Transactions on Pattern Analysis and Machine Intelligence · 2021년 · 조회 6

왜 이 논문인가 — 선정 기준

RESEARCH PAPER · 후속 연구설계에 활용하기 좋은 논문 — 척도·모형·프레임워크류, 피인용 다수

2021-01 발표 · 피인용 3,725회 · 분야 내 인용 영향력 상위권 · 동년 인용 상위 1% · 참고문헌 254개

RESEARCH PAPER 슬롯에 선정된 이유는 2021년 발표 이후 3,725회 인용되어 분야 평균 대비 인용 영향력이 매우 높고, 같은 연도 논문 중 인용 상위 1%에 속해 후속 연구 설계에 참고하기에 적합하기 때문이다.

논문 요약

이미지 분할은 컴퓨터 비전에서 장면 이해, 의료 영상 분석 등 다양한 응용 분야의 핵심 과제이며, 최근 딥러닝의 성공으로 새로운 접근법이 급증하였다. 본 논문은 딥러닝 기반 이미지 분할 연구를 종합적으로 정리하여, 픽셀‑라벨링 CNN, 인코더‑디코더 구조, 멀티스케일·피라미드 방식, 순환망, 시각적 주의 모델, 적대적 생성 모델 등 주요 흐름을 포괄한다. 각 방법의 관계, 강점 및 현재 직면한 도전 과제를 비교 분석한다.

후속 연구설계에 활용하기

후속 연구에서는 리뷰에서 제시된 아키텍처 분류를 바탕으로, 인코더‑디코더와 주의 메커니즘을 비교 변수로 설정하고, 표준 데이터셋에서 성능·복잡도·학습 효율성을 체계적으로 평가하는 실험 설계를 구현할 수 있다.

핵심어

이미지 분할딥러닝인코더‑디코더주의 메커니즘

실존 확인

이 논문은 OpenAlex에서 후보로 수집한 뒤, Crossref에 등록된 DOI와 제목 일치를 확인해 노출합니다. SSRA가 문헌연구에서 인용 논문의 실재 여부를 검증하는 원칙과 같습니다.

DOI: 10.1109/tpami.2021.3059968

2026-10-06 확인 · 2026-10-06 선정