Сегментация по границам объекта и областям изображения с реализацией в Python |
||
МЕНЮ Главная страница Поиск Регистрация на сайте Помощь проекту Архив новостей ТЕМЫ Новости ИИ Голосовой помощник Разработка ИИГородские сумасшедшие ИИ в медицине ИИ проекты Искусственные нейросети Искусственный интеллект Слежка за людьми Угроза ИИ ИИ теория Внедрение ИИКомпьютерные науки Машинное обуч. (Ошибки) Машинное обучение Машинный перевод Нейронные сети начинающим Психология ИИ Реализация ИИ Реализация нейросетей Создание беспилотных авто Трезво про ИИ Философия ИИ Big data Работа разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика
Генетические алгоритмы Капсульные нейросети Основы нейронных сетей Распознавание лиц Распознавание образов Распознавание речи Творчество ИИ Техническое зрение Чат-боты Авторизация |
2022-03-08 11:57 В центре внимания данной статьи — методы сегментации по границам объектов изображения и его областям. Прежде чем углубляться в детали, разберемся в самом понятии сегментации и в принципах его работы. Сегментация Под сегментацией понимают технику разделения изображения на различные объекты. Пиксели одной области (объекты изображения) схожи по какому-то свойству, например цвету, интенсивности, расположению или текстуре, что позволяет снижать сложность изображения, упрощая его анализ. Скрытая информация на изображениях также обнаруживается с помощью сегментации. В основе работы ее алгоритмов лежат два основных свойства изображения:
На рисунке слева отображены стул, стол, окно и т. д. Разграничим данные объекты с помощью сегментации. На центральном рисунке в результате семантической сегментации получаем отдельно выделенные объекты: стул, стол и окно. К изображению справа путем маркировки объектов применим сегментацию экземпляров. Появление машинного обучения (МО) с привлечением Python намного упростило процесс сегментации. Применение сегментации Разделение изображения на различные объекты, извлечение из него информации и последующая маркировка используются в обучении моделей МО для решения различных бизнес-задач. В качестве такого примера послужит система распознавания лиц, автоматически фиксирующая присутствие объекта посредством сегментации. Данная техника применяется и в медицине для эффективной и быстрой диагностики после обнаружения таких тяжелых заболеваний, как опухоли, рак и т. д., а также для выявления закономерностей в медицинских изображениях, полученных по результатам рентгенографии, МРТ, термографии, эндоскопии, ультразвукового исследования клеток и тканей. Сегментация часто встречается и в таких областях, как робототехника. Классификация изображений является одним из широко распространенных случаев сегментации. В рамках этого процесса алгоритм способен извлекать из изображения только требуемые компоненты. Python упрощает реализацию сегментации, позволяя получать быстрые результаты. Сегментация по границам объекта При таком подходе границы областей значительно отличаются друг от друга и от фона, что позволяет обнаруживать их по локальным неоднородностям в интенсивности (серый уровень). Иначе говоря, речь идет о процессе определения границ. Отметим значимость данного этапа в понимании характеристик изображения, поскольку, как известно, эти самые границы состоят из содержательных свойств и обладают важной информацией. Сегментация по областям изображения Данный подход предусматривает разделение изображения на области, схожие по определенному набору критериев. В основе этого метода лежит алгоритм, который выделяет сегменты путем разделения изображения на различные компоненты, обладающие схожими характеристиками пикселей. В процессе осуществляется поиск небольших или крупных фрагментов во входном изображении для целей сегментации. Рассматриваемый алгоритм либо добавляет больше пикселей к выбранным фрагментам, либо дополнительно сокращает эти фрагменты до более мелких сегментов, и объединяет их с другими небольшими фрагментами. В результате на основе данного метода сформировались две базовые техники: разрастание и слияние/разделение областей. Основные сферы применения сегментации
Реализация Python import numpy as np Сегментация по границам объекта from skimage.feature import canny В этом коде используется библиотека Сanny, представляющая из себя широко известный алгоритм для обнаружения границ входного изображения. Установив минимальный размер для допустимых объектов, мы легко устраним ложные: from scipy import ndimage as ndi Задействуем инструкцию
Сегментация по областям изображения from skimage.filters import sobel Здесь мы импортируем модуль
Заключение Итак, мы подробно рассмотрели понятие сегментации и два ее важных метода (по границам объектов изображения и его областям) с реализациями Python. Надеемся, статья была вам полезна. Источник: m.vk.com Комментарии: |
|