ترجمه فارسی مقاله تولید تصویر دوگانه مصنوعی برای کاهش تلاش‌های برچسب‌گذاری در تقسیم‌بندی معنایی میکروگراف‌ها با یک تابع متریک سفارشی

چکیده

Training of semantic segmentation models for material analysis requires micrographs and their corresponding masks. It is quite unlikely that perfect masks will be drawn, especially at the edges of objects, and sometimes the amount of data that can be obtained is small, since only a few samples are available. These aspects make it very problematic to train a robust model. We demonstrate a workflow for the improvement of semantic segmentation models of micrographs through the generation of synthetic microstructural images in conjunction with masks. The workflow only requires joining a few micrographs with their respective masks to create the input for a Vector Quantised-Variational AutoEncoder model that includes an embedding space, which is trained such that a generative model (PixelCNN) learns the distribution of each input, transformed into discrete codes, and can be used to sample new codes. The latter will eventually be decoded by VQ-VAE to generate images alongside corresponding masks for semantic segmentation. To evaluate the synthetic data, we have trained U-Net models with different amounts of these synthetic data in conjunction with real data. These models were then evaluated using non-synthetic images only. Additionally, we introduce a customized metric derived from the mean Intersection over Union (mIoU). The proposed metric prevents a few falsely predicted pixels from greatly reducing the value of the mIoU. We have achieved a reduction in sample preparation and acquisition times, as well as the efforts, needed for image processing and labeling tasks, are less when it comes to training semantic segmentation model. The approach could be generalized to various types of image data such that it serves as a user-friendly solution for training models with a small number of real images.

چکیده به فارسی (ترجمه ماشینی)

آموزش مدلهای تقسیم بندی معنایی برای تجزیه و تحلیل مواد نیاز به میکروگراف و ماسک های مربوطه دارند.کاملاً بعید است که ماسک های کامل به ویژه در لبه های اشیاء ترسیم شوند و گاهی اوقات مقدار داده هایی که می توان به دست آورد ، اندک است ، زیرا فقط چند نمونه در دسترس است.این جنبه ها آموزش یک مدل قوی را بسیار مشکل ساز می کند.ما یک گردش کار برای بهبود مدل های تقسیم بندی معنایی میکروگراف ها از طریق تولید تصاویر ریزساختاری مصنوعی در رابطه با ماسک ها نشان می دهیم.گردش کار فقط نیاز به پیوستن به چند میکروگراف با ماسک های مربوطه برای ایجاد ورودی برای یک مدل خودکار و متغیرهای متغیر وکتور است که شامل یک فضای تعبیه شده است ، که به گونه ای آموزش دیده است که یک مدل تولیدی (Pixelcnn) توزیع هر ورودی را به عنوان تبدیل می کند ، تبدیل شده است.کدهای گسسته ، و می توان برای نمونه برداری از کدهای جدید استفاده کرد.دومی سرانجام توسط VQ-VAE رمزگشایی می شود تا تصاویر را در کنار ماسک های مربوطه برای تقسیم معنایی تولید کند.برای ارزیابی داده های مصنوعی ، ما مدل های U-NET را با مقادیر مختلف این داده های مصنوعی در رابطه با داده های واقعی آموزش داده ایم.این مدل ها سپس فقط با استفاده از تصاویر غیر سنتز مورد بررسی قرار گرفتند.علاوه بر این ، ما یک متریک سفارشی حاصل از میانگین تقاطع بر فراز اتحادیه (MIOU) را معرفی می کنیم.متریک پیشنهادی مانع از چند پیکسل به دروغ پیش بینی شده از کاهش ارزش MIOU می شود.ما به کاهش زمان تهیه و تهیه نمونه و همچنین تلاش های لازم برای پردازش تصویر و کارهای برچسب زدن ، در هنگام آموزش مدل تقسیم بندی معنایی ، کمتر است.این رویکرد می تواند به انواع مختلفی از داده های تصویر تعمیم داده شود به گونه ای که به عنوان یک راه حل کاربر پسند برای مدل های آموزشی با تعداد کمی از تصاویر واقعی عمل می کند.