آیا شبکه های CNN یا locally connected layer ها برای هدف segmentation مکان رو هم مثل ویژگی هایی که استخراج می کنند آموزش می بینند؟

Question

سلام
من میخواستم بدونم مثلاً با یک دیتاست تصاویر پزشکی سطح خاکستری متشکل از سه بافت که در آن هدف segment کردن object های متنوع متعلق به یک بافت می باشد، مکان object ها نیز می تواند توسط شبکه آموزش داده شود؟
در واقع object ها در یک تصویر مورفولوژی های یکسان و غیر یکسان زیادی دارند. علاوه بر آن از یک تصویر به تصویر دیگر نیز مورفولوژی برخی object ها یکسان می ماند در حالیکه مورفولوژی برخی دیگر کاملاً تغییر می کند و حتی در اثر رشد object ها، برخی از آنها علاوه بر تغییر شکل و تغییر سایز دچار overlap باهم می شوند.
با توجه به شرایطی که ذکر شد میخواستم بدونم میتوان شبکه deep ای را برای (instanceیا segmentation(semantic آموزش داد که در آن محل object ها در تصویر نسبت به هم به شبکه آموزش داده شده و یکی از معیارهای برچسب گذاری هر پیکسل به کلاس آن object باشد؟
پیشاپیش متشکرم از پاسخگوییتون

Comments

سلام .به locally connected network ها اصطلاحا میگن LCN و CNN همون شبکه کانولوشنال هست.
این همون سوال مورد نظر شماست؟  یا منظورتون سوال دیگه ای هست که من پیداش نمیکنم؟
من در سگمنتیشن تخصص ندارم اما بنظرم با این مطالبی که اشاره کردید شبکه کانولوشن بتونه دقت مناسبی بده کماکان اولین پیشنهاد من بدست اوردن یک بیس لاین برای کارتون هست یعنی بصورت معمول عمل کنید و ببینید دقت و نتیجه کار به چه صورتی هست . بعدش باید جزء به جزء بشید و بر اساس همون صحبتهایی که عرض کردم قدم به قدم پیش برید. قدم اول بدست اوردن یک بیس لاین هست برای کارتون تا ببینید تغییراتی بعدی چقدر تاثیرگذار بودن.
چیزی که من متوجه شدم اینجا اینه که هر شی میتونه اشکال مختلفی داشته باشه و تغییرات زیاد هست. در حالت عادی بنظر نمیاد مشکلی باشه شبکه باید بتونه مفاهیم اینطوری رو فرابگیره بشرطی که داده کافی باشه. متاسفانه چون تخصص کافی در این حوزه ندارم و مقاله بیسی هم معرفی نشده من بیشتر ا زاین نمیتونم راهنمایی خاصی بکنم جز اینکه مقلات مرتبط رو چک کنید (الزاما همون کاری که شما میکنید نه ، کارهای نسبتا مشابه رو هم ببینید تا بتونید  ایده بگیرید معولا د راین کارها همپوشانی وجود داره و میتونید از اطلاعات اونها برای بهبود کارتون استفاده کنید.

---

سلام
بله در واقع میخواستم بدونم آیا می توان cnn ای پیدا کرد که به مکان object ها در تصویر اتفاقاً حساس باشد، البته نه تغییر مکان های جزیی بلکه به اختلاف مکان های فاحش object ها در تصویر حساس باشد و به عنوان یک ویژگی این مساله را آموزش ببیند یا خیر، در غیر اینصورت lcn ها چطور، میشه از اونا این توقع رو داشت و تئوری دقیقی که پشت lcn ها هست چیه و آیا در این زمینه نیز شبکه های از پیش آموزش دیده هست یا حداقل پیاده سازی هایی که بتوان برای شروع کار همونطور که فرمودید استفاده کرد.
متشکرم