Otomatik görüntü analizine yönelik derin öğrenme

Görüntü segmentasyonu, mikroskopla çekilen görüntüleri analiz etmek için kullanılır. Segmentasyon, görüntülerin daha sonraki analiz ve sınıflandırma için önemli olan belirli alanlara bölünmesi anlamına gelir. Bunlar bileşenin yüzeyindeki bir kusur veya kirlenme olabileceği gibi farklı malzeme katmanlarının tespiti de olabilir. Görüntülerin daha sonraki analizi ve tanınan alanların sınıflandırılması esnasında alanların kendileri ve farklı alanlar arasındaki sınırlar dikkate alınır. Bu, doğru sonuçların oluşturulmasını ve hataların tespit edilmesini sağlar.

Ancak eşikleme (gri değer analizi) gibi geleneksel segmentasyon yöntemlerinin yeterli olmadığı birçok durum da vardır.

Benzer renk ve parlaklığa sahiplerse alanların grilik seviyelerini ayırt etmek zor olabilir. Bir görüntüdeki nesneleri ve alanları tanımlamak için görüntüdeki renk, doku veya kenarlar gibi hangi özelliklerin kritik olduğu sorusu da yanıtlanmalıdır.

Nesneleri ve sınıfları keşfetmek için özelliklerin nasıl birleştirileceğini bilmek de önemlidir. Bir görüntü işlenirken ne kadar çok sınıf eklenirse görev o kadar karmaşık hale gelir. Elektrikli cihazların ekranlarındaki çiziklerin araştırılması da kural tabanlı analizlerle çözülmesi zor bir sorundur; çünkü her çiziğin boyutu farklıdır, kendine has bir şekli vardır ve tüm yüzeyde oluşabilir. Derin öğrenme ile görüntü işleme bu konuda da işe yarar.