نویسنده (ها): Titouan le Gourrierec
در ابتدا منتشر شده در به سمت هوش مصنوعیبشر
مقدمه
تقسیم بندی تصویر نقش مهمی در زمینه های مختلف ، از شناسایی سلول ها در تحقیقات بیولوژیکی گرفته تا تجزیه و تحلیل مناطق در تصاویر ماهواره ایفا می کند. با این حال ، روش های تقسیم بندی سنتی اغلب به مهارت های برنامه نویسی پیشرفته یا یادگیری ماشین تخصص – آنها را برای بسیاری غیرقابل دسترسی می کند.
خوشبختانه ابزارهایی مانند الاستیک وت ایزلاستیک در حال تغییر بازی هستند. این برنامه های منبع باز به کاربران این امکان را می دهد تا بدون نوشتن یک خط کد ، تقسیم بندی تصویر پیشرفته را انجام دهند. با داشتن رابط های بصری و گردش کار تعاملی ، آنها حتی به غیر متخصصان اجازه می دهند تا به سرعت به نتایج با کیفیت بالا برسند.
در این مقاله ، ما بررسی خواهیم کرد که چه چیزی Ilastik و Easilastik را بسیار قدرتمند می کند ، نحوه استفاده از آنها را طی می کنید و به شما نشان می دهیم که چگونه می توانند وظایف تقسیم بندی تصویر شما را ساده تر کنند ، بدون توجه به سطح تجربه شما.
Ilastik: ابزاری قدرتمند برای بخش کردن تصاویر
الاستیک ابزاری قدرتمند و منبع باز است که به منظور ایجاد وظایف تجزیه و تحلیل تصویر پیچیده مانند تقسیم بندی و طبقه بندی شیء در دسترس است غیر متخصصبشر بدون تجربه قبلی در یادگیری ماشین مورد نیاز ، به کاربران این امکان را می دهد تا با حاشیه نویسی از تصاویر ، مدل های سفارشی ایجاد کنند و آن را برای هر کسی که نیاز به پردازش داده های بصری دارد ، مناسب می کند.
از یادگیری ماشین تعاملی استفاده می کند و به کاربران این امکان را می دهد تا تصاویر را مستقیماً حاشیه نویسی کنند ، مدل ها را در زمان واقعی آموزش دهند و بدون نیاز به مهارت برنامه نویسی ، آنها را به کار گیرند. از میکروسکوپ بیولوژیکی گرفته تا بازرسی صنعتی ، ایلاستیک برای طیف گسترده ای از برنامه ها همه کاره و ایده آل است.
برای بارگیری ILASTIK ، لطفاً بازدید کنید وب سایت Ilastik و دستورالعمل های نصب سیستم عامل خود را دنبال کنید.
چگونه از آن استفاده کنیم؟
پس از بارگیری ILASTIK ، نرم افزار را راه اندازی کرده و انتخاب کنید “طبقه بندی پیکسل” در زیر “گردش کار تقسیم بندی” بخش برای شروع
1. بارگیری تصاویر برای آموزش مدل
برای شروع ، تصاویر مورد نیاز برای آموزش مدل را اضافه کنید:
- روی کلیک کنید “اضافه کردن جدید” دکمه
- انتخاب کردن “تصاویر جداگانه اضافه کنید” برای بارگذاری پرونده های تصویری خود.
2. انتخاب ویژگی
بعد ، روی کلیک کنید ‘2. انتخاب ویژگی‘ دکمه در منوی سمت چپ. یک پنجره با مجموعه ای از کادر ویژگی های ویژگی ظاهر می شود.
- همه جعبه ها را انتخاب کنید. این ویژگی ها ویژگی های مختلف تصویر مانند لبه ها ، بافت ها و الگوهای شدت را نشان می دهد. نگران نباشید – Ilastik به طور خودکار تعیین می کند که کدام یک بر اساس تصاویری که ارائه می دهید مهمترین آنهاست.
- کلیک کردن ‘خوب’، سپس به ‘3. آموزشبشر
3. حاشیه نویسی تصاویر
اکنون قسمت تعاملی آمده است:
- برچسب های مورد نیاز برای هر کلاس را در خود اضافه کنید مجموعه دادهبشر
- از ابزار قلم برای حاشیه نویسی مناطق روی تصاویر خود استفاده کنید و آنها را به برچسب های مناسب اختصاص دهید.
4. پالایش مدل با یادگیری افزایشی
پس از ایجاد حاشیه نویسی اولیه خود ، روی “پیشنهادات” دکمه این به ILASTIK اجازه می دهد تا مناسب ترین ویژگی ها را برای خاص خود انتخاب کند مجموعه دادهبشر
در اینجا جایی است که Ilastik می درخشد: شما می توانید به صورت تدریجی پیش بینی های مدل را بهبود بخشید.
- نتایج تقسیم بندی تولید شده توسط مدل خود را مرور کنید.
- مناطق بیشتری را حاشیه نویسی کنید یا هرگونه نادرستی را برای اصلاح پیش بینی ها اصلاح کنید.
این رویکرد تکراری تضمین می کند که مدل شما با پیچیدگی داده های شما سازگار باشد.
5. صادر کردن پیش بینی ها و صرفه جویی در مدل
هنگامی که از نتایج راضی شدید:
- روی کلیک کنید ‘4. صادرات پیش بینی ‘ در منوی سمت چپ.
- باز “تنظیمات تصویر صادرات را انتخاب کنید” و تنظیم ‘دوباره شکل گیری می شود [min, max]’ پارامتر برای بازتاب تعداد کلاس ها در مجموعه داده های خود (به عنوان مثال ، 0 به تعداد برچسب هایی که ایجاد کرده اید).
- ذخیره مدل به عنوان پرونده .ilp برای استفاده در آینده
با استفاده از مدل آموزش دیده خود با پایتون و Easilastik
هنگامی که مدل Ilastik خود را به عنوان یک آموزش داده و ذخیره کرده اید پرونده .ilp، شما می توانید یکپارچه آن را در گردش کار پایتون خود با استفاده از ایزلاستیک بسته بندی Easilastik بدون نیاز به باز کردن رابط Ilastik ، مدل Ilastik خود را بر روی مجموعه داده های بزرگ ساده می کند و آن را برای پردازش و اتوماسیون دسته ای 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. مدل خود را با Easilastik اجرا کنید
پس از نصب بسته ، می توانید از آن برای استفاده از مدل آموزش دیده Ilastik در تصاویر جدید استفاده کنید. این روند ساده است و فقط شامل چند خط کد است:
import EasIlastikEasIlastik.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 واحد یا چندین تصویر را در یک پوشه اداره کند.model_path: این مسیر به پرونده مدل ذخیره شده Ilastik شما است (.ilp). این مدلی است که شما با استفاده از رابط Ilastik آموزش داده اید ، و اکنون آماده استفاده از آن در داده های جدید هستید.result_base_path: مسیری را که می خواهید نتایج پردازش شده ذخیره شود مشخص کنید. Easilastik پرونده های خروجی را در اینجا ذخیره می کند.
چرا از Easilastik استفاده می کنیم؟
- پردازش دسته: به راحتی صدها یا هزاران تصویر را به طور همزمان پردازش کنید. این امر به ویژه برای مجموعه داده های بزرگ که پیش بینی های دستی در رابط کاربری گرافیکی Ilastik بسیار وقت گیر خواهد بود ، بسیار وقت گیر است.
- اتهام اتوماسیون: ادغام EasilaStik در اسکریپت های Python شما به شما امکان می دهد خط لوله تقسیم بندی تصویر خود را به صورت خودکار انجام دهید و گردش کار یکپارچه را برای کارهای مکرر امکان پذیر می کند.
- سادگی: علی رغم قدرت آن ، Easilastik برای استفاده ساده است و به حداقل کد نیاز دارد. این باعث می شود حتی برای کسانی که تجربه برنامه نویسی کمی دارند ، در دسترس باشد.
- انعطاف پذیری: Easilastik انعطاف پذیری در ترکیب قابلیت های تقسیم بندی قدرتمند Ilastik را در خطوط لوله پردازش داده های بزرگتر ، چه برای تحقیق ، کاربردهای صنعتی یا زمینه های دیگر فراهم می کند.
فقط با چند خط کد ، می توانید به راحتی دسته های بزرگی از تصاویر را با استفاده از مدلی که در Ilastik آموزش داده اید پردازش کنید و Easilastik را به ابزاری قدرتمند برای خودکارسازی و مقیاس گذاری وظایف تقسیم بندی تصویر تبدیل کنید.
پایان
Ilastik و Easilastik یک راه حل قدرتمند و در دسترس برای تقسیم تصویر ارائه می دهند ، ایده آل برای کاربران بدون دانش قبلی AI. رابط های بصری و گردش کار تعاملی آنها به کاربران امکان می دهد تا به راحتی کارهای تقسیم بندی پیچیده را برطرف کنند. این ابزارها با از بین بردن نیاز به برنامه نویسی تخصصی یا دانش یادگیری ماشین عمیق ، تحقیقات را تسریع می کنند ، خطای انسانی را کاهش می دهند و تجزیه و تحلیل تصویر کارآمد و با کیفیت را فعال می کنند.
چه برای تحقیقات بیولوژیکی ، کاربردهای صنعتی یا زمینه های دیگر ، Ilastik تقسیم تصویر را آسان می کند. Easilastik با اجازه ادغام یکپارچه با پایتون برای پردازش دسته ای ، این روند را ساده تر می کند.
Ilastik را امتحان کنید و تمام پتانسیل های داده های تصویر خود را باز کنید!
منتشر شده از طریق به سمت هوش مصنوعی