تقسیم بندی تصویر آسان شد: راهنمای Ilastik و EasIlastik برای افراد غیر متخصص

نویسنده(های): Titouan Le Gourrierec

در ابتدا منتشر شد به سمت هوش مصنوعی.

مقدمه

تقسیم بندی تصویر در زمینه های مختلف، از شناسایی سلول ها در تحقیقات بیولوژیکی گرفته تا تجزیه و تحلیل مناطق در تصاویر ماهواره ای، نقش کلیدی ایفا می کند. با این حال، روش های تقسیم بندی سنتی اغلب به مهارت های برنامه نویسی پیشرفته یا یادگیری ماشینی تخصص – آنها را برای بسیاری غیرقابل دسترس می کند.

خوشبختانه، ابزارهایی مانند ایلاستیک و EasIlastik در حال تغییر بازی هستند این برنامه های منبع باز به کاربران امکان می دهد تا بدون نوشتن یک خط کد، تقسیم بندی تصویر پیچیده ای را انجام دهند. با رابط های بصری و گردش کار تعاملی، آنها حتی به افراد غیرمتخصص نیز اجازه می دهند تا به سرعت به نتایج با کیفیت بالا دست یابند.

در این مقاله، آنچه که Ilastik و EasIlastik را بسیار قدرتمند می‌کند بررسی می‌کنیم، نحوه استفاده از آن‌ها را بررسی می‌کنیم و به شما نشان می‌دهیم که چگونه می‌توانند وظایف تقسیم‌بندی تصویر شما را بدون توجه به سطح تجربه شما ساده کنند.

Ilastik: ابزاری قدرتمند برای تقسیم بندی تصاویر

ایلاستیک ابزاری قدرتمند و منبع باز است که برای دسترسی به وظایف پیچیده تجزیه و تحلیل تصویر مانند تقسیم بندی و طبقه بندی اشیا طراحی شده است غیر متخصص. بدون تجربه قبلی در یادگیری ماشینی لازم است، کاربران را قادر می سازد تا مدل های سفارشی سازی شده را با حاشیه نویسی تصاویر ایجاد کنند، و آن را برای هر کسی که نیاز به پردازش داده های بصری دارد، عالی می کند.

از یادگیری ماشینی تعاملی استفاده می کند و به کاربران امکان می دهد تصاویر را مستقیماً حاشیه نویسی کنند، مدل ها را در زمان واقعی آموزش دهند و بدون نیاز به مهارت های برنامه نویسی از آنها استفاده کنند. از میکروسکوپ بیولوژیکی تا بازرسی صنعتی، Ilastik همه کاره و ایده آل برای طیف گسترده ای از کاربردها است.

برای دانلود ایلاستیک به ادامه مطلب مراجعه کنید وب سایت ایلاستیک و دستورالعمل های نصب سیستم عامل خود را دنبال کنید.

چگونه از آن استفاده کنیم؟

پس از دانلود Ilastik، نرم افزار را اجرا کرده و انتخاب کنید “طبقه بندی پیکسل” زیر “گردش های کاری تقسیم بندی” بخش برای شروع

1. بارگذاری تصاویر برای آموزش مدل

برای شروع، تصاویر مورد نیاز برای آموزش مدل را اضافه کنید:

• بر روی کلیک کنید “افزودن جدید” دکمه
• انتخاب کنید “افزودن تصاویر جداگانه” برای آپلود فایل های تصویری خود

2. انتخاب ویژگی

در مرحله بعد، بر روی ‘2. انتخاب ویژگی‘ دکمه در منوی سمت چپ یک پنجره بازشو با مجموعه ای از چک باکس های ویژگی ظاهر می شود.

• تمام کادرها را انتخاب کنید. این ویژگی ها ویژگی های مختلف تصویر مانند لبه ها، بافت ها و الگوهای شدت را نشان می دهند. نگران نباشید – Ilastik به طور خودکار بر اساس تصاویری که ارائه می‌دهید، تعیین می‌کند که کدام یک از آنها بیشتر مرتبط هستند.
• کلیک کنید ‘خوب’، سپس ادامه دهید ‘3. آموزش.

3. حاشیه نویسی تصاویر

اکنون بخش تعاملی می آید:

• برچسب‌هایی را که برای هر کلاس نیاز دارید اضافه کنید مجموعه داده.
• از ابزار قلم برای حاشیه نویسی مناطق روی تصاویر خود استفاده کنید و آنها را به برچسب های مناسب اختصاص دهید.

4. اصلاح مدل با یادگیری افزایشی

پس از ایجاد حاشیه نویسی اولیه، روی آن کلیک کنید “پیشنهاد ویژگی ها” دکمه این به Ilastik اجازه می دهد تا مرتبط ترین ویژگی ها را برای ویژگی های خاص خود انتخاب کند مجموعه داده.

اینجاست که Ilastik می درخشد: می توانید پیش بینی های مدل را به تدریج بهبود بخشید.

• نتایج تقسیم بندی تولید شده توسط مدل خود را مرور کنید.
• برای اصلاح بیشتر پیش بینی ها، نواحی بیشتری را حاشیه نویسی کنید یا هرگونه نادرستی را تصحیح کنید.

این رویکرد تکراری تضمین می کند که مدل شما با پیچیدگی داده های شما سازگار است.

5. صادرات پیش بینی ها و ذخیره مدل

زمانی که از نتایج راضی هستید:

1. را کلیک کنید ‘4. پیش بینی صادرات’ در منوی سمت چپ
2. باز کنید “انتخاب تنظیمات تصویر صادراتی” و تنظیم کنید ‘عادی سازی مجدد [min, max]’ پارامتری که تعداد کلاس‌های موجود در مجموعه داده شما را منعکس می‌کند (به عنوان مثال، 0 به تعداد برچسب‌هایی که ایجاد کرده‌اید).
3. مدل را به عنوان ذخیره کنید فایل ilp برای استفاده در آینده

استفاده از مدل آموزش دیده با پایتون و ایلاستیک

هنگامی که مدل Ilastik خود را آموزش داده و ذخیره کردید فایل ilp، می توانید به طور یکپارچه آن را در گردش کار پایتون خود با استفاده از EasIlastik بسته بندی EasIlastik اجرای مدل Ilastik شما را بر روی مجموعه داده های بزرگ بدون نیاز به باز کردن رابط Ilastik ساده می کند و آن را برای پردازش دسته ای و اتوماسیون ایده آل می کند.

1. نصب EasIlastik

قبل از استفاده از EasIlastik، باید آن را نصب کنید. شما می توانید این کار را به راحتی از طریق pip انجام دهید:

pip install EasIlastik

2. اجرای مدل خود با EasIlastik

هنگامی که بسته را نصب کردید، می توانید از آن برای اعمال مدل Ilastik آموزش دیده خود بر روی تصاویر جدید استفاده کنید. این فرآیند ساده است و تنها شامل چند خط کد است:

import EasIlastik
EasIlastik.run_ilastik(
input_path="path/to/input/folder",
model_path="path/to/your/model.ilp",
result_base_path="path/to/your/output/folder/"
)

توضیح پارامترها:

• input_path: این مسیر به تصویر یا پوشه حاوی تصاویری است که می خواهید پردازش کنید. EasIlastik می تواند یک تصویر یا چندین تصویر را در یک پوشه مدیریت کند.
• model_path: این مسیر فایل مدل Ilastik ذخیره شده شما است (.ilp). این مدلی است که با استفاده از رابط Ilastik آموزش داده‌اید و اکنون آماده اعمال آن بر روی داده‌های جدید هستید.
• result_base_path: مسیری را که می خواهید نتایج پردازش شده در آن ذخیره شوند را مشخص کنید. EasIlastik فایل های خروجی را در اینجا ذخیره می کند.

چرا از EasIlastik استفاده کنیم؟

• پردازش دسته ای: به راحتی صدها یا هزاران تصویر را همزمان پردازش کنید. این به ویژه برای مجموعه داده های بزرگ که در آن پیش بینی های دستی در رابط کاربری گرافیکی Ilastik بسیار وقت گیر است مفید است.
• اتوماسیون: ادغام EasIlastik در اسکریپت‌های پایتون به شما امکان می‌دهد خط لوله تقسیم‌بندی تصویر خود را خودکار کنید و گردش‌های کاری یکپارچه را برای کارهای تکراری فعال کنید.
• سادگی: با وجود قدرت، استفاده از EasIlastik ساده است و به حداقل کد نیاز دارد. این باعث می شود حتی برای کسانی که تجربه برنامه نویسی کمی دارند یا اصلاً تجربه ندارند، به آن دسترسی داشته باشند.
• انعطاف پذیری: EasIlastik انعطاف پذیری را برای گنجاندن قابلیت های تقسیم بندی قدرتمند Ilastik در خطوط لوله پردازش داده های بزرگتر، خواه برای تحقیقات، برنامه های کاربردی صنعتی یا سایر زمینه ها، فراهم می کند.

تنها با چند خط کد، می‌توانید به راحتی دسته‌های بزرگی از تصاویر را با استفاده از مدلی که در Ilastik آموزش داده‌اید پردازش کنید و EasIlastik را به ابزاری قدرتمند برای خودکارسازی و مقیاس‌بندی وظایف تقسیم‌بندی تصویر تبدیل کنید.

نتیجه گیری

Ilastik و EasIlastik یک راه حل قدرتمند و در دسترس برای تقسیم بندی تصویر ارائه می دهند که برای کاربرانی که هیچ دانش قبلی هوش مصنوعی ندارند ایده آل است. رابط های بصری و گردش کار تعاملی آنها به کاربران این امکان را می دهد که به راحتی وظایف تقسیم بندی پیچیده را انجام دهند. این ابزارها با حذف نیاز به کدنویسی تخصصی یا دانش عمیق یادگیری ماشینی، تحقیقات را سرعت می بخشند، خطای انسانی را کاهش می دهند و تجزیه و تحلیل تصویر با کیفیت و کارآمد را امکان پذیر می کنند.

چه برای تحقیقات بیولوژیکی، چه کاربردهای صنعتی یا سایر زمینه ها، Ilastik تقسیم بندی تصویر را آسان می کند. EasIlastik با اجازه دادن به ادغام یکپارچه با Python برای پردازش دسته ای، فرآیند را ساده تر می کند.

Ilastik را امتحان کنید و پتانسیل کامل داده های تصویر خود را باز کنید!

منتشر شده از طریق به سمت هوش مصنوعی