Kuvansegmentointiin

Kuvansegmentointiin, tunnettu myös nimellä kuvien segmentointi, on tietokonenäkötehtävä, jossa digitaalinen kuva jaetaan useisiin osiin tai segmentteihin. Tavoitteena on yksinkertaistaa tai muuttaa kuvan esitystapaa merkityksellisempään ja helpommin analysoitavaan muotoon. Jokainen segmentti edustaa tyypillisesti jotain objektiivista tai aluetta kuvassa, kuten henkilöä, taustaa tai esinettä.

Menetelmiä kuvansegmentointiin on useita, ja ne voidaan jakaa karkeasti kahteen pääluokkaan: semanttinen segmentointi ja instanssisegmentointi. Semanttisessa segmentoinnissa kaikki saman luokan pikselit yhdistetään, eli kaikki auton pikselit luokitellaan yhdeksi "autoksi", riippumatta siitä, onko kuvassa useita autoja. Instanssisegmentoinnissa puolestaan erotetaan toisistaan yksittäiset instanssit samasta luokasta; eli jos kuvassa on kaksi autoa, ne merkitään erillisiksi segmenteiksi.

Tekniikoita kuvansegmentointiin ovat muun muassa kynnysarvopohjaiset menetelmät, alueen kasvuun perustuvat menetelmät, reunantunnistus ja klusterointialgoritmit. Viime vuosina syväoppimismenetelmät, erityisesti konvoluutioneuroverkot (CNN), ovat saavuttaneet merkittävää menestystä kuvansegmentointitehtävissä. Algoritmit kuten U-Net ja Mask R-CNN ovat mullistaneet alan tarjoamalla korkeamman tarkkuuden ja joustavuuden.

Kuvansegmentointia käytetään monilla eri sovellusalueilla, kuten lääketieteellisessä kuvantamisessa (esim. kasvaimien tai elinten tunnistaminen), itseohjautuvissa autoissa (tunnistamaan tiellä olevia esteitä ja jalankulkijoita), valokuvaussovelluksissa (esim. taustan poistoon tai tehostamiseen) ja robotiikassa.