Guided interactive image segmentation using machine learning and color based data set clustering

要約

スーパーボクセルを使用した機械学習ベースのインタラクティブな画像セグメンテーションと、分類器のガイド付き再利用を可能にする大規模なデータセット内の同様の色の画像の自動識別のためのクラスタリング手法を組み合わせた新しいアプローチを紹介します。
私たちのアプローチは、生物学的および医学的画像で一般的でしばしば避けられない重大な色の変動の問題を解決します。これは通常、セグメンテーションと定量化の精度の低下につながり、それによって必要なトレーニング作業を大幅に削減します。
この効率の向上により、はるかに多数の画像の定量化が容易になり、それにより、ハイスループットイメージングにおける最近の新しい技術的進歩のためのインタラクティブな画像分析が可能になります。
提示された方法は、ほとんどすべての画像タイプに適用可能であり、一般的な画像分析タスクに役立つツールです。

要約(オリジナル)

We present a novel approach that combines machine learning based interactive image segmentation using supervoxels with a clustering method for the automated identification of similarly colored images in large data sets which enables a guided reuse of classifiers. Our approach solves the problem of significant color variability prevalent and often unavoidable in biological and medical images which typically leads to deteriorated segmentation and quantification accuracy thereby greatly reducing the necessary training effort. This increase in efficiency facilitates the quantification of much larger numbers of images thereby enabling interactive image analysis for recent new technological advances in high-throughput imaging. The presented methods are applicable for almost any image type and represent a useful tool for image analysis tasks in general.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google