웹용 대화형 이미지 세분화 가이드

MediaPipe 양방향 이미지 세분화 작업은 이미지에서 위치를 가져와 해당 위치에 있는 객체의 경계를 추정한 후 객체의 세분화를 이미지 데이터로 반환합니다. 이 안내에서는 노드 및 웹 앱용 대화형 이미지 세분화 도구를 사용하는 방법을 보여줍니다. 이 태스크의 기능, 모델, 구성 옵션에 대한 자세한 내용은 개요를 참조하세요.

코드 예시

대화형 이미지 세분화기의 예시 코드는 이 작업을 JavaScript로 완전히 구현한 예를 참고할 수 있도록 제공합니다. 이 코드를 사용하면 이 작업을 테스트하고 자체 대화형 이미지 세분화 앱을 빌드할 수 있습니다. 웹브라우저만 사용하여 대화형 이미지 세분화기 예시 코드를 보고 실행하고 수정할 수 있습니다. GitHub에서 이 예시의 코드를 검토할 수도 있습니다.

설정

이 섹션에서는 양방향 이미지 세그먼테이션을 사용하도록 개발 환경 및 코드 프로젝트를 설정하기 위한 주요 단계를 설명합니다. 플랫폼 버전 요구사항을 포함하여 MediaPipe 작업을 사용하기 위한 개발 환경 설정에 관한 일반적인 정보는 웹 설정 가이드를 참고하세요.

JavaScript 패키지

양방향 이미지 세분화기 코드는 MediaPipe @mediapipe/tasks-vision NPM 패키지를 통해 사용할 수 있습니다. 플랫폼 설정 가이드에 제공된 링크에서 이러한 라이브러리를 찾아 다운로드할 수 있습니다.

다음 명령어를 사용하여 로컬 스테이징을 위해 다음 코드로 필수 패키지를 설치할 수 있습니다.

npm install --save @mediapipe/tasks-vision

콘텐츠 전송 네트워크 (CDN) 서비스를 통해 작업 코드를 가져오려면 HTML 파일의 태그에 다음 코드를 추가합니다.

<head>
  <script src="https://cdn.jsdelivr.net/npm/@mediapipe/tasks-vision/vision_bundle.js"
    crossorigin="anonymous"></script>
</head>

모델

MediaPipe 양방향 이미지 분할기 작업에는 이 작업과 호환되는 학습된 모델이 필요합니다. 대화형 이미지 세분화에 사용할 수 있는 학습된 모델에 대한 자세한 내용은 작업 개요 모델 섹션을 참조하세요.

모델을 선택 및 다운로드한 후 프로젝트 디렉터리에 저장합니다.

<dev-project-root>/app/shared/models/

할 일 만들기

대화형 이미지 세분화기 createFrom...() 함수 중 하나를 사용하여 추론 실행을 위한 작업을 준비합니다. 학습된 모델 파일의 상대 또는 절대 경로와 함께 createFromModelPath() 함수를 사용합니다. 모델이 이미 메모리에 로드되어 있다면 createFromModelBuffer() 메서드를 사용할 수 있습니다.

아래 코드 예에서는 createFromOptions() 함수를 사용하여 태스크를 설정하는 방법을 보여줍니다. createFromOptions 함수를 사용하면 구성 옵션을 통해 양방향 이미지 세분화 도구를 맞춤설정할 수 있습니다. 구성 옵션에 대한 자세한 내용은 구성 옵션을 참조하세요.

다음 코드는 커스텀 옵션으로 작업을 빌드하고 구성하는 방법을 보여줍니다.

async function createSegmenter() {
  const vision = await FilesetResolver.forVisionTasks(
    "https://cdn.jsdelivr.net/npm/@mediapipe/tasks-vision@latest/wasm"
  );

  interactiveSegmenter = await InteractiveSegmenter.createFromOptions(vision, {
    baseOptions: {
      modelAssetPath:
        "https://storage.googleapis.com/mediapipe-tasks/interactive_segmenter/ptm_512_hdt_ptm_woid.tflite"
    },
  });
}
createSegmenter();

구성 옵션

이 태스크에는 웹 애플리케이션을 위한 다음과 같은 구성 옵션이 있습니다.

옵션 이름	설명	값 범위	기본값
`outputCategoryMask`	`True`로 설정하면 출력에 세분화 마스크가 uint8 이미지로 포함되며, 여기서 각 픽셀 값은 픽셀이 관심 영역에 위치한 객체의 일부인지를 나타냅니다.	{`True, False`}	`False`
`outputConfidenceMasks`	`True`로 설정하면 출력에 세분화 마스크가 부동 값 이미지로 포함되며, 여기서 각 부동 소수점 값은 픽셀이 관심 영역에 위치한 객체의 일부라는 신뢰도를 나타냅니다.	{`True, False`}	`True`
`displayNamesLocale`	가능한 경우 태스크 모델의 메타데이터에 제공되는 표시 이름에 사용할 라벨 언어를 설정합니다. 기본값은 영어의 경우 `en`입니다. TensorFlow Lite Metadata Writer API를 사용하여 커스텀 모델의 메타데이터에 현지화된 라벨을 추가할 수 있습니다.	언어 코드	한국어

데이터 준비

양방향 이미지 분할기는 호스트 브라우저에서 지원하는 모든 형식으로 이미지의 객체를 분할할 수 있습니다. 이 작업은 크기 조절, 회전, 값 정규화를 포함한 데이터 입력 전처리도 처리합니다.

대화형 이미지 세분화기 segment() 및 segmentForVideo() 메서드 호출은 동기적으로 실행되며 사용자 인터페이스 스레드를 차단합니다. 기기의 카메라에서 동영상 프레임의 객체를 분할하면 각 세분화 작업이 기본 스레드를 차단합니다. 다른 스레드에서 segment() 및 segmentForVideo()를 실행하도록 웹 워커를 구현하여 이를 방지할 수 있습니다.

작업 실행

양방향 이미지 세분화는 segment() 메서드를 사용하여 추론을 트리거합니다. 대화형 이미지 세분화는 감지된 세그먼트를 이미지 데이터로 태스크에 대한 추론을 실행할 때 설정한 콜백 함수에 반환합니다.

다음 코드는 작업 모델을 사용하여 처리를 실행하는 방법을 보여줍니다.

const image = document.getElementById("image") as HTMLImageElement;
interactiveSegmenter.segment(
  image,
  {
    keypoint: {
      x: event.offsetX / event.target.width,
      y: event.offsetY / event.target.height
    }
  },
  callback);

양방향 이미지 세분화기 작업을 실행하는 보다 완전한 구현은 코드 예를 참고하세요.

결과 처리 및 표시

추론을 실행하면 대화형 이미지 분할기 작업이 세그먼트 이미지 데이터를 콜백 함수에 반환합니다. 출력의 콘텐츠는 이미지 데이터이며 작업을 구성할 때 설정한 항목에 따라 카테고리 마스크나 신뢰도 마스크 또는 둘 다를 포함할 수 있습니다.

다음 섹션에서는 이 작업의 출력 데이터를 자세히 설명합니다.

카테고리 마스크

다음 이미지는 관심 장소가 표시된 카테고리 값 마스크의 작업 출력을 시각화한 것입니다. 각 픽셀은 해당 픽셀이 관심 영역에 위치한 객체의 일부인지를 나타내는 uint8 값입니다. 두 번째 이미지의 흑백 원은 선택한 관심 지역을 나타냅니다.

원본 이미지 및 카테고리 마스크 출력. Pascal VOC 2012 데이터 세트의 소스 이미지

신뢰도 마스크

신뢰도 마스크의 출력에는 각 이미지 입력 채널의 [0, 1] 사이의 부동 소수점 값이 포함됩니다. 값이 클수록 이미지 픽셀이 관심 영역에 위치한 객체의 일부임을 확신할 수 있습니다.

대화형 이미지 세분화기 예시 코드는 태스크에서 반환된 분류 결과를 표시하는 방법을 보여줍니다. 자세한 내용은 코드 예시를 참고하세요.