피부 모공 검출을 위한 ConVmUnet 영상 분할 기법

Abstract

본 논문에서는 피부 모공 검출을 위하여 피부 영상에서 영상 분할 성능을 향상시킨 ConVmUnet 모델을 제안한다. 제안 모델은CNN 모델과 Vmamba 모델의 VSS 블록을 융합한 Unet 구조로 인코더 부분의 CNN 모델에서 피부 영상의 특성을 추출하고 VSS블록에서 추출된 특징들을 통합 처리 및 복원하여 피부 영상에서 모공을 구분하고 검출한다. 6,079장의 피부 영상 데이터 세트를사용하여 학습 및 성능 평가(IoU, Dice Score)를 수행하였고, 기존 Unet 계열의 모델들과 비교하여 향상된 성능을 보여주었다. 향후 다양한 피부 영상 데이터를 학습하여 모공 이외의 붉음증, 피부결 등과 같은 특성을 구분하고 검출할 수 있도록 제안 모델을 확장시킬 예정이다.

In this paper, we propose the ConVmUnet model, which enhances image segmentation performance in skin images for detecting skin pores. The proposed model is a Unet architecture that integrates the CNN model with the VSS block of the Vmamba model. In the encoder part, the CNN model extracts the characteristics of skin images, and the VSS block integrates, processes, and restores the extracted features to distinguish and detect pores in skin images. Using a dataset of 6,079 skin images, we have conducted training and performance evaluation (IoU, Dice Score), demonstrating improved performance compared to existing Unet models. In future work, we plan to extend the proposed model to learn various skin image data, enabling the distinction and detection of additional characteristics such as redness, skin texture, and pores.