Képosztályozás támogatása textúraszintézissel

OData támogatás
Konzulens:
Dr. Szirmay-Kalos László
Irányítástechnika és Informatika Tanszék

Dolgozatomban konvolúciós neuronhálót tanítok be képek osztályozására. A pontos feladat hal (zebradánió) embriókról készült képek osztályozása aszerint, hogy az adott képen élő vagy halott embrió található. Minden embrióról 3 kép készült: 1, 2 és 3 napos korukban is készítettek egy felvételt róluk. Természetesen ahhoz, hogy a neuronhálót megfelelően be tudjuk tanítani a feladat megoldására, sok mintára van szükségünk. Azonban élő embrióról 395 képünk van, halottról pedig csak 61. Ez nagyon kevés, valamint további minták létrehozásához nem lehet állatokat megölni, ezért számítógépes algoritmussal generálok az eredeti képekhez hasonlókat, így megnövelve a halott embriót ábrázoló képek számát.

A képgeneráláshoz alapvetően két megközelítést vizsgáltam meg. Az egyik a pixel alapú textúraszintézis, melynek lényege hogy egy kép szélén lévő pixelekhez hasonló szomszédságú pixeleket keres az adott képen (vagy akár egy másik képen), és ez alapján fokozatosan növeli a kép méretét a kívánt méret eléréséig. A másik módszer a Principal Component Analysis, melynek lényege, hogy a képeket főkomponensekre bontja fel, melyek lineáris kombinációjaként előállnak az eredeti képeink. Itt az az ötlet, hogy megfelelő együtthatókkal a főkomponensek lineáris kombinációja új, az eredeti képekhez hasonló képeket eredményez.

A második megoldást választottam, melyet meg is valósítottam. Többféleképpen is próbáltam új képeket generálni, de az eredmény nem tökéletes, azonban fel tudtam használni a generált képeket a neuronháló tanításához, mely sikeresen meg tudta oldani a feladatot.

Letölthető fájlok

A témához tartozó fájlokat csak bejelentkezett felhasználók tölthetik le.