축구 장면 세그멘테이션

무엇을 하는 미션인가

축구 경기 장면을 11개 클래스로 나누는 세그멘테이션 미션입니다. 이미지와 마스크를 쌍으로 읽는 FootballDataset을 만들고, U-Net 계열 세 구조를 같은 조건에서 비교했습니다.

구현

• 손실 — DiceLoss와 CrossEntropyLoss를 함께 정의해 사용
• 평가 — calculate_iou로 클래스별 IoU를 구해 mIoU와 Dice를 계산
• 학습 — Adam(lr=0.001, weight_decay=1e-4), 최대 100 에폭 이상
• 하이퍼파라미터 — Optuna로 탐색한 파라미터를 세 구조에 동일 적용

세 구조 비교 (검증셋)

U-Net++가 세 지표 모두에서 근소하게 앞섰고, 가장 이른 에폭(77)에서 최고점에 도달했습니다. 다만 mIoU 차이는 0.008 이내입니다.

한계

• 시드 반복이 없어 위 차이가 실행 변동 범위 안인지 확인되지 않았습니다. 구조 간 우열을 주장하기에는 간격이 좁습니다
• 검증셋 기준이며 별도 테스트셋 평가는 없습니다
• 예측 마스크 시각화는 노트북 안에만 있고 사이트로 옮기지 않았습니다