Skip to main content
ENHU
Címlap

Main navigation

  • Felfedezés
    • Hírek
    • Események
    • Pályázatok
  • Kutatási területek
  • Anyagok
    • Publikációk
    • Letöltések
  • Rólunk
  • Partnerek
  1. Címlap
2021 Jan 26 | 4:00pm
online

Dávid Csaba: Objektum szegmentálás lokális Moran-féle térbeli korrelációs koefficiens segítségével

Széchenyi Plusz RRF

Az agy és a mesterséges intelligencia kapcsolatáról szóló szeminárium-sorozat következő előadására 2021. január 26-án (kedden) 16 órakor kerül sor. Az előadó Dávid Csaba lesz (Talamusz Kutatócsoport, KOKI).

Képanalízis során az egyik legnehezebben megoldható probléma a vizsgált objektumok pontos kiválasztása, az előtér és a háttér elkülönítése, különösen a jel-zaj viszony romlása esetén. A szubjektív (kézi) kiválasztás mellett a legáltalánosabban használt módszer a fényességi küszöbértéken alapuló szegmentálás, amit lehet automatizálni, tehát jóval gyorsabb. Utóbbinál azonban a kiugró értékek, illetve a zaj mértéke jelentősen rontja a megbízhatóságot. Emellett a küszöbérték beállítása alapvetően szubjektív, ami az ebben rejlő inherens hibalehetőség mellett rendkívül nehézzé teszi a különböző körülmények között készült képek összehangolt analízisét. Olyan módszert kerestünk, tehát, amely jól automatizálható, redukálja a szubjektivitást, robusztus a zajjal szemben és nem érzékeny a kép felvételből adódó egyedi különbségekre.

Kísérleteink során a térképészetből ismert lokális Moran-féle korrelációs koefficienst alkalmaztuk objektumok szegmentálására. A módszert először mesterségesen létrehozott objektumokon majd biológiai mintán teszteltük. Eredményeink szerint a lokális Moran módszeren alapuló szegmentálás mindkét esetben hatékonyabban választotta ki az objektumokat mint a küszöbértéken alapuló szegmentálás. Zaj növekedése esetén rendkívüli módon megnőtt a két módszer hatékonysága közötti különbség, mivel a küszöbérték módszer a zajt is jelnek azonosította, ami a Moran módszernél minimális volt.

Eredményeink alapján a Moran-féle térbeli korrelációs koefficiens eredményesen alkalmazható objektumok szegmentálására. Meggyőződésünk, hogy módszerünkkel más tudományterületek (pl csillagászat, vagy gépi látás) hasonló problémái is eredményesen megoldhatók.

 
Az előadáshoz ezen Zoom-linken lehet majd csatlakozni.
Research fields

Az MI alapjai

Tovább

Orvosi, egészségügyi alkalmazások

Tovább
Institutes
Tovább
Címlap

LinkedIn

Become a partner

Subscribe to newsletter

Send partnership request

Explore

  • News
  • Events
  • Tenders
  • Publications
  • Downloads
  • Partners

Kutatási területek

  • Az MI alapjai
  • Biztonság és személyes adatok védelme
  • Gépi látás és érzékelés
  • Gépi tanuláson alapuló intelligens gyártás, logisztika, távközés IoT megoldások fejlesztése
  • Nyelvtechnológia fejlesztése
  • Orvosi, egészségügyi alkalmazások

Contact us

Hungary, H-1111 Budapest,
Kende u. 13-17.
+36 1 279 6000
@email

© 2020-2021 Artifical Intelligence National Laboratory, Budapest