U-Net ile Görüntü Segmentasyonu

Şekil 1. Photo by National Cancer Institute on Unsplash

Bilgisayarlı görü için derin öğrenme yaklaşımları söz konusu olduğunda kuşkusuz evrişimli sinir ağları ve keza öneğitimli evrişimli sinir ağları başta gelmektedir. Evrişimli sinir ağları, görüntüsel verilerde çalışan bir yapay sinir ağı türüdür. CNN (Evrişimli sinir ağları), görüntü yüksekliği, genişliği ve görüntü kanalını girdi olarak sinir ağına beslemektedir. Bu yazıda CNN ağından bahsetmemin en büyük sebebi U-Net ağında kullanılacak katmanların CNN ağında var olan katmanlardan geliyor olması diyebiliriz.

📺 CNN sinir ağından türeyen özel bir ANN türü olan Mask R-CNN için oluşturduğum YouTube içeriğine buradan erişebilirsiniz.

• Mask R-CNN, görüntü segmentasyonu üzerinde çalışan bir sinir ağıdır. Videodaki içerikte bahsettiğim gibi segmentasyon işlemi görüntüde var olan arka plandan ön plan nesnelerinin çıkartılması ile bulunmaktadır. Böylelikle, nesneleri arka plandan ayrıştırarak sınıf etiketlerinin atanması sağlanmaktadır.

🗺️Yazı içeriğim boyunca bahsedeceğim ve üzerinde tartışacağımız akademik makale ise “U-Net: Convolutional Networks for Biomedical Image Segmentation” olacaktır.

🚀 U-Net ile görüntü segmentasyonu videosu için lütfen tıklayınız.

• U-Net, görüntü segmentasyonu üzerine çalışan bir omurga ağıdır. Çoğunlukla biyomedikal görüntüler üzerinde çalışılır ancak diğer…