A continuaciónSiguiente guía
Medical Image Segmentation with nnU-Net
IA visual
GUÍA visual de IA
La segmentación de imágenes asigna etiquetas a píxeles o regiones de la imagen.
Escuche esta guíaNarrado por IA · ~2 min
La segmentación semántica identifica categorías, mientras que la segmentación de instancias distingue objetos separados de la misma categoría. La máscara resultante es una estimación cuyos límites y regiones omitidas necesitan evaluación.
Elija la tarea de segmentación antes de recopilar anotaciones. Etiquetar cada píxel de la carretera es diferente a identificar cada vehículo individual. Defina cómo tratar límites inciertos, objetos transparentes, instancias superpuestas y regiones fuera del conjunto de etiquetas. La calidad de la anotación afecta el resultado. Dos revisores pueden trazar límites diferentes alrededor del cabello, las sombras u objetos parcialmente visibles. Documente la convención de etiquetado y mida los desacuerdos en lugar de asumir que siempre hay una máscara perfectamente obvia. Utilice métricas adecuadas a la aplicación. La precisión de los píxeles puede parecer alta cuando la mayoría de los píxeles están en segundo plano. Las métricas de superposición, como la intersección sobre la unión, pueden proporcionar más información, pero el equilibrio de clases y la calidad de los límites siguen siendo importantes. Un pequeño error en los límites puede ser inofensivo en una tarea y tener consecuencias en otra. Pruebe la canalización de imágenes completa. Recortar, cambiar el tamaño y convertir las coordenadas pueden cambiar una máscara que de otro modo sería razonable cuando se vuelve a colocar en la imagen original. Conserve las dimensiones de origen e inspeccione las superposiciones en la escala donde se utilizará el resultado.
04Ejemplo resuelto
Construya una imagen con 1000 píxeles, de los cuales 950 son de fondo y 50 pertenecen al objeto de destino.
Una predicción que marca cada píxel como fondo tiene una precisión del 95 % de los píxeles, pero no detecta nada del objeto.
Inspeccione la superposición específica de la clase y el comportamiento de objetos perdidos en lugar de informar solo la puntuación general de píxeles.
lo que muestra
Los recuentos de píxeles inventados ilustran un error de evaluación.
Separe las regiones de primer plano para un flujo de trabajo de edición revisado.
Mida la superposición de regiones mientras verifica la máscara en la imagen de resolución original.
Boletín gratuito
Tres noticias verificadas sobre IA cada mañana de lunes a viernes, explicadas con claridad. Gratis para siempre y sin anuncios.
Un correo cada día laborable. Date de baja con un clic. Nunca vendemos ni compartimos tu dirección.
Ponte a prueba
Corrección inmediata en cada respuesta y un certificado para compartir, con un ID verificable, cuando apruebas un curso.
Apoya la educación gratuita sobre IA. AI Understanding es una organización sin fines de lucro 501(c)(3): sin anuncios ni muros de pago, nunca. Hacer una donación
No. Compárelo con las anotaciones de referencia apropiadas e inspeccione los límites, las regiones faltantes y el uso posterior previsto.
sigue aprendiendo
Más guías seleccionadas para este tema.
A continuaciónSiguiente guía
Medical Image Segmentation with nnU-Net
IA visual