آیا شبکه عصبی عمیق می تواند برای اهدافی مبتنی بر شئی به کار برده شود ( جایگزینی بر روش های مبتنی بر پیکسل)؟ چگونه؟

Question

سلام
ماهیت برخی از الگوریتمهای پردازش تصویر و بینایی ماشین مبتنی بر پیکسل است و برخی دیگر مبتنی بر شیئ.
سوالی که مطرح می شود این است که آیا می توان شبکه عصبی عمیق را برای تشخیص آبجکت در تصویر با مفهوم مبتنی بر شیئ استفاده کرد؟ ( در روش های مبتنی بر شیئ ابتدا تصویر مبتنی بر معیار شباهت بین پیکسلها بخش بندی می شود و سپس اشیای تولید شده برای تشخیص آبجکت مورد نظر در تصویر مورد ارزیابی قرار میگیرند).

Answer 1

سلام .
منظورتون object detection هست ؟ اگر اره بله و بسیار هم موفق عمل میکنه .

Comments

سلام
منظورم دو روش object based image analysisوpixel based image analysis هست ( جهت بر چسب گذاری پیکسل های مربوط به یک شئی خاص مثلا با توجه به کار بنده  درخت در تصاویر ماهواره ای). در خصوص object detection  که مطرح کردید هم  مد نظرم است اما سوالی که پیش میاد اینه که در تصویر ورودی شبکه محل شیئ نیز مشخص شود ( مثلا اگر یک توپ در تصویر قرار است تشخیص داده شود اگر کامل و یا بخشی از ان در تصویر وجود داشت آن توپ از بکگراند جدا شود یا به عبارتی پیکسل های مربوط به ان برچسب توپ را بگیرند).

---

در خصوص دو روشی که در دیدگاه قبلی مطرح شد به این صورت است که در روش مبتنی بر شیئ ابتدا با استفاده از یک الگوریتم عملیات بخش بندی روی تصویر صورت می گیرد ( پیکسلهای با خصوصیات مشابه تعریف شده به یک بخش تعلق می گیرند) سپس برای تشخیص هدف مورد نظر در تصویر این بخش ها (که با اندازه های متفاوت می توانند باشند) به عنوان شیئ مورد بررسی قرار میگیرند و می توان حتی بخش های مجاور را نیز در صورت لزوم ادغام کرد.

---

شما semantic segmentation رو میگید ؟ که هر شی بسته به کلاسش کلا پیکسلهاش مثلا با یک رنگ خاص مشخص بشه ؟ اگه اره این هم کار شده .
کلا ما detection که اشیائ مختلف در تصویر رو با یک bounding box (مربع یا مستطیل ) مشخص میکنه داریم . یک semantic segmentation داریم که بالا توضیحش رو دادم . یکی هم instance segmentation داریم که میاد بجای اینکه یک مربع دور شی بکشه دقیقا مرز اون شی رو مشخص میکنه . تو هر سه زمینه خیلی کار شده و میشه . اگه شما لکچر شماره 8 دانشگاه استنفورد رو ببینید توضیحات خیلی خوبی در این زمینه داده میشه و میتونید استارت کار رو از همونجا بزنید . برای این میگم استارت بزنید چون اون کلاس مربوط به اول 2016 بود و طی یکسال روشها بهبود پیدا کردن اون روشها رو ببینید براحتی میتونید خودتون بقیه رو پیش برید.

---

این روشهایی که بالا گفتم تقریبا اکثرا end to end هستن یعنی نیاز نیست شما وارد جزییات سطح پایین بشید. لطفا اون لکچرهایی که عرض کردم و لینکشون در سایت هست رو مطالعه کنید انشاالله به نتیجه میرسید. اگر من اشتباه متوجه شدم یا باز سوال دارید بفرمایید.