AI-For-Beginners/translations/km/lessons/4-ComputerVision/12-Segmentation

ការបែងចែក

យើងបានរៀនអំពី ការកំណត់វត្ថុ មុននេះ ដើម្បីអាចកំណត់ទីតាំងវត្ថុផ្សេងៗនៅក្នុងរូបភាពដោយប៉ាន់ប្រមាណប្រអប់រាក់ទំាងខ្លួនរបស់វា។ ទោះយ៉ាងណា សម្រាប់បេសកកម្មខ្លះ យើងមិនត្រឹមតែត្រូវការប្រអប់រាក់ទំនងទេ តែត្រូវការចំណុចឆ្លុះត្រង់ប្រាកដពាក់ព័ន្ធនឹងវត្ថុ។ បេសកកម្មនេះហៅថា ការបែងចែក។

សំណួរពីមុនវគ្គសិក្សា

ការបែងចែកអាចមើលឃើញជាការចាត់ថ្នាក់ពិជ័យបិទ (pixel classification) ដែលសម្រាប់ ពិជ័យបិទ រាល់ចំណុចក្នុងរូបភាព យើងត្រូវប៉ាន់ប្រមាណចំណាត់ថ្នាក់របស់វា (ជាមួយនឹង ផ្ទៃខាងក្រោយ ជាកំណាត់ថ្នាក់មួយ)។ មានអាល់គោរីធម៍បែងចែកចម្បងពីរប្រភេទ៖

• ការបែងចែកវាបញ្ញាតិ (Semantic segmentation) ប្រាប់តែចំណាត់ថ្នាក់ពីពិជ័យបិទ ហើយមិនបំបែកចេញពីវត្ថុផ្សេងៗដែលមានចំណាត់ថ្នាក់ដូចគ្នាសោះទេ
• ការបែងចែកអវត្តមាន (Instance segmentation) បំបែកចំណាត់ថ្នាក់ជាច្រើនអវត្តមានផ្សេងៗ។

សម្រាប់ការបែងចែកអវត្តមាន ចិញ្ចើមទាំងនេះគឺជាវត្ថុខុសៗគ្នា ប៉ុន្តសម្រាប់ការបែងចែកវាបញ្ញាតិ ចិញ្ចើមទាំងអស់ត្រូវបានតំណាងដោយចំណាត់ថ្នាក់តែមួយ។

រូបភាពពី វិប្បដិសារមួយនេះ

មានសំណុំរចនាសម្ព័ន្ធណឺរចម្រាស់នានាសម្រាប់ការបែងចែក ប៉ុន្តាឧបករណ៍ទាំងអស់មានរចនាសម្ព័ន្ធដូចគ្នា។ មួយវិធីវិញ វាស្រដៀងនឹង autoencoder ដែលអ្នកបានរៀនមុននេះ ប៉ុន្តែជំនួសការបំបែករូបភាពដើម គោលបំណងរបស់យើងគឺបំបែក ម៉ាស។ ដូច្នេះ បណ្តាញបែងចែកមានផ្នែកដូចខាងក្រោម៖

• Encoder យកលក្ខណៈពីរូបភាពបញ្ចូល
• Decoder បម្លែងលក្ខណៈនោះទៅជារੂបម៉ាស ដែលមានទំហំដូចគ្នា និងចំនួនឆានែលស្របទៅនឹងចំនួនចំណាត់ថ្នាក់

រូបភាពពី ការចេញផ្សាយនេះ

យើងគួរតែល្បែងអំពីមុខងារបាត់បង់ដែលប្រើសម្រាប់ការបែងចែក។ នៅពេលប្រើ autoencoder ត្រងចាស់ មុននេះ យើងត្រូវតែមិនចាំបាច់វាយតម្លៃភាពស្រដៀងរវាងរូបភាពពីរដោយប្រើ mean square error (MSE)។ សម្រាប់ការបែងចែក រាល់ចំណុចនៅក្នុងរូបភាពម៉ាសគោលតំណាងឲ្យលេខចំណាត់ថ្នាក់ (one-hot-encoded ក្នុងទិសដៅទីបី) ដូច្នេះយើងត្រូវប្រើមុខងារបាត់បង់ដែលជាចម្បងសម្រាប់ចាត់ថ្នាក់ ជា cross-entropy loss ដែលគិតជាមធ្យមលើពិជ័យបិទទាំងអស់។ ប្រសិនបើម៉ាសជាប៊ីណារី នោះប្រើ binary cross-entropy loss (BCE)។

✅ One-hot encoding គឺជាវិធី encoding ចំណាត់ថ្នាក់ទៅជាវិកទ័រដែលមានប្រវែងស្មើនឹងចំនួនចំណាត់ថ្នាក់។ សូមមើល អត្ថបទនេះ ស្តីពីបច្ចេកទេសនេះ។

ការបែងចែកសម្រាប់រូបភាពវេជ្ជសាស្ត្រ

ក្នុងមេរៀននេះ យើងនឹងឃើញការបែងចែកក្នុងសកម្មភាព ដោយហ្វឹកហាត់បណ្តាញក្នុងការទទួលស្គាល់ nevi មនុស្ស (ដែលហៅថា moles) នៅក្នុងរូបភាពវេជ្ជសាស្ត្រ។ យើងនឹងប្រើ PH² Database សម្រាប់រូបភាព dermoscopy ។ សំណុំទិន្នន័យនេះមានរូបភាពចំនួន ២០០ រូបភាព ពីបីចំណាត់ថ្នាក់៖ nevus ទូទៅ, nevus ផ្សេងទៀងបន្តិច, និង melanoma។ រូបភាពទាំងអស់ក៏មាន ម៉ាស ផ្សេងសម្រាប់បង្ហាញសភាព nevi ដែរ។

✅ បច្ចេកវិទ្យានេះសមរម្យយ៉ាងខ្លាំងសម្រាប់ក្របខណ្ឌវេជ្ជសាស្ត្រ ប៉ុន្តអ្នកអាចគិតថានឹងមានកម្មវិធីផ្សេងទៀតអ្វីខ្លះនៅក្នុងពិភពពិត?

រូបភាពពី PH² Database

យើងនឹងហ្វឹកហាត់ម៉ូដែលដើម្បីបែងចែក nevi ពីផ្ទៃខាងក្រោយរបស់វា។

✍️ រៀនប្រាកដ៖ Semantic Segmentation

បើកកំណត់ត្រាខាងក្រោម ដើម្បីរៀនបន្ថែមអំពីរចនាសម្ព័ន្ធ semantic segmentation ផ្សេងៗ សម្លឹងលើការអនុវត្តន៍ និងមើលវាផ្ទាល់។

• Semantic Segmentation Pytorch
• Semantic Segmentation TensorFlow

សំណួរបន្ទាប់វគ្គសិក្សា

សេចក្ដីសន្និដ្ឋាន

ការបែងចែកជាបច្ចេកវិទ្យាដ៏មានឥទ្ធិពលខ្លាំងសម្រាប់ចាត់ថ្នាក់រូបភាព ដំណើរការលើសពីប្រអប់រាក់ទំនងទៅកាន់ការចាត់ថ្នាក់ជាទម្រង់ចំណុចមួយៗ។ វាជាបច្ចេកវិទ្យាមួយដែលប្រើនៅក្នុងរូបភាពវេជ្ជសាស្ត្រ និងកម្មវិធីដទៃទៀត។

🚀 챌린지

ការបែងចែករាងកាយគឺជាបេសកកម្មទូទៅមួយសម្រាប់រូបភាពមនុស្ស។ បេសកកម្មសំខាន់ផ្សេងទៀតរួមមាន ការរកព្រំដែនឆ្អឹង និង ការរកទីតាំងរូបរាង។ សាកល្បងប្រើបណ្ណាល័យ OpenPose ដើម្បីមើលថាតើការរកទីតាំងរូបរាងអាចប្រើបានយ៉ាងដូចម្តេច។

សិក្សាដោយខ្លួនឯង និងពិនិត្យវិញ

អត្ថបទ វិគីភីឌា នេះផ្ដល់ទិដ្ឋភាពទូទៅល្អអំពីកម្មវិធីផ្សេងៗនៃបច្ចេកវិទ្យានេះ។ សូមស្វែងយល់បន្ថែមដោយខ្លួនឯងអំពីផ្នែករងនៃការបែងចែកអវត្តមាន និង Panoptic segmentation ក្នុងវិស័យនេះ។

ភារកិច្ច

ក្នុងមន្ទីរពិសោធន៍នេះ សូមសាកល្បង ការបែងចែករាងកាយមនុស្ស ដោយប្រើ Segmentation Full Body MADS Dataset ពី Kaggle។

---

ការព្រមាន៖
ឯកសារនេះត្រូវបានបកប្រែដោយប្រើសេវាកម្មបកប្រែកម្មវិធី AI Co-op Translator។ បើទោះបីយើងខិតខំប្រឹងប្រែងក្នុងការធ្វើឱ្យបានត្រឹមត្រូវក៏ដោយ សូមយល់ព្រមថាការបកប្រែដោយស្វ័យប្រវត្តិនេះអាចមានកំហុស ឬការខ្វះខាតមួយចំនួន។ ឯកសារដើមក្នុងភាសាមាតុភាសា គួរត្រូវបានរាប់បញ្ចូលជាអ្នកផ្តល់ព័ត៌មានដែលគួរជឿទុកចិត្ត។ សម្រាប់ព័ត៌មានសំខាន់ៗ ការបកប្រែមនុស្សដែលមានជំនាញគឺជាការផ្ដល់អនុសាសន៍។ យើងមិនទទួលខុសត្រូវចំពោះការយល់ច្រឡំ ឬការបកប្រែខុសប្លែកណាមួយដោយសារការប្រើប្រាស់ការបកប្រែនេះនោះទេ។