Seeing the forest behind the trees: A novel method for generating data for overlapping object segmentation
Kuupäev
2023
Autorid
Ajakirja pealkiri
Ajakirja ISSN
Köite pealkiri
Kirjastaja
Tartu Ülikool
Abstrakt
Masinnägemine on kiiresti arenev akadeemiline valdkond, mida rakendatakse erinevates valdkondades. Sügavõpe ja tehisnärvivõrgud on ühed edukamatest masinnägemise meetoditest, kuid mitmed ülesanded on senini lõplikult lahendamata. Üks olulisim lahendamata probleem on kattuvate objektide tuvastamine ja liigendamine. Käesolev lõputöö pakub välja uue kihilise andmete kogumise meetodi kattuvate objektidega piltide jaoks, mille eesmärk on andmete kvaliteedi parendamine. Andmete kogumiseks kasutati erilahendusena disainitud robootilist süsteemi. Tulemusena saadud andmestikku kasutati U-Net ja YOLOv5 tehisnärvivõrkude treenimiseks. Lisaks treeniti võrdlusena tehisnärvivõrke klassikaliselt annoteeritud andmestiku peal. Lõpuks uuriti ka võimalusi annotatsioonide automaatseks genereerimiseks. Tulemused näitasid, et uus lähenemine saavutab võrreldava kvaliteedi otsese meetodiga, kuid võimaldab potentsiaalselt suuremahulist automaatset andmete märgendamist. See lubaks omakorda saavutada kõrge kvaliteediga tulemusi tänu suuremale treeningandmete mahule.
Kirjeldus
Märksõnad
Sügavõpe, masinnägemine, kattuvad objektid, robootika, Deep learning