instanssisegmentoinnista

Instanssisegmentointi on tietokonenäön tehtävä, jossa mallin on tunnistettava ja eristettävä jokainen yksittäinen objekti kuvassa. Se eroaa perinteisestä kuvien segmentoinnista siten, että sen tavoitteena on ei ainoastaan luokitella pikseleitä eri luokkiin, vaan myös erottaa toisistaan samankaltaiset tai identtiset objektit. Toisin sanoen, jos kuvassa on kolme kissaa, instanssisegmentointi tunnistaa ja erottaa jokaisen kissan omanaan, antaen jokaiselle oman segmentointimaskinsa.

Tämä tekniikka on keskeinen monissa sovelluksissa. Autonomisissa ajoneuvoissa se auttaa erottamaan jokaisen yksittäisen jalankulkijan, auton tai pyöräilijän liikenteen sujuvuuden ja turvallisuuden varmistamiseksi. Robotiikassa se mahdollistaa robotin tarttumaan tiettyyn esineeseen monien samanlaisten joukosta. Lääketieteellisessä kuvantamisessa instanssisegmentointia voidaan käyttää erilaisten solujen tai kasvainten yksilölliseen tunnistamiseen ja analysointiin.

Instanssisegmentoinnin toteuttamiseen käytetään usein syväoppimismalleja. Algoritmit kuten Mask R-CNN ovat olleet merkittäviä tässä tehtävässä. Ne yhdistävät tyypillisesti objektien tunnistuksen (joka ennustaa objektien sijainnin ja luokan) ja kuvien segmentoinnin (joka luo pikselitason maskin). Näiden mallien kouluttaminen vaatii suuria, annotoituja aineistoja, joissa jokainen objekti on merkitty sekä sijainniltaan että muodoltaan. Instanssisegmentointi onkin edelleen aktiivinen tutkimusalue, jossa pyritään parantamaan tarkkuutta, tehokkuutta ja kykyä käsitellä monimutkaisia kohtauksia.