Unified Lab Management


各種メニュー

計算事例

計算事例


Image Segmentation Using U-Net
お問い合わせはこちら
資料請求はこちら

概要

Python言語でセグメンテーションを行うためのU-Netモデルを実装する

U-Netモデル概要動画

画像を対象とした深層学習技術の一つに、物体が占める領域を認識するセグメンテーションなどがあります。深層学習技術にはPython言語が広く使われており、深層学習の骨格ともいえるフレームワークも様々な種類が知られています。また、深層学習技術にはモデルも複数存在しており、例えば U-Netモデルは対象物体の「種類と形と位置」をピクセル単位で認識することが出来るモデル です。
本来U-NetモデルはPython言語のコーディングや深層学習の専門知識が必要なため、担当者の割り当てや情報展開が難しいというデメリットが存在します。しかし、Pipeline Pilotの2021年度版からはU-Netが搭載されたコンポーネントが含まれているため、手軽に利用することが出来ます。
これにより、画像の読み込み、前処理、学習、推論、結果保存までを GUI ベースのワークフローとして構築でき、個別スクリプトの保守に依存しない運用が可能になります。PoC の立ち上げだけでなく、社内共有や再実行性の確保にも有効です。

keyword

  • Python：AIや機械学習、深層学習などへ広く使用されることが多い言語であり、かつ構文が他と比べわかり易いという特徴があります。
  • TensorFlow：Googleが開発し公開している、様々な機械学習の分野で使用するためのライブラリです。
  • セグメンテーション：画像内の物体に対する領域(種類、形、位置)を認識する技術です。
  • U-Net：画像を対象とした、深層学習モデルの一つであり、画像のセグメンテーションを推定する為に使われるモデルです。

Reference

  • Ronneberger O. et al. Medical Image Computing and Computer-Assisted Intervention 18, 234(2015).

手法

U-Netモデルを学習させ、使用するフローチャート

本事例では、The Oxford-IIIT Pet Datasetデータセットの画像とそれらのアノテーションを学習データとして使用します。
アノテーションをするためのコンポーネントもPipeline Pilotには含まれている為、アノテーション作業の外部受託を行う必要はない、守秘義務等のある画像に対してもU-Netを適用することができる、などのメリットがあります。
U-Netモデルを学習させるために、The Oxford-IIIT Pet Datasetデータセット内の猫画像とそれらのアノテーションを画像150枚程を学習させております。その学習させたU-Netモデルが含まれたコンポーネントを作成、保存しました。
ワークフローとしては、画像読込、アノテーション読込、前処理、学習、モデル保存、推論という流れを明示的に組み立てています。これにより、学習データの差し替えやエポック数などの学習条件変更を行った場合でも、同一フロー上で比較しやすくなります。
また、画像系テーマでは前処理やデータ整理の方法が結果へ大きく影響します。本事例は、モデル本体だけでなく、その周辺のデータハンドリングまで含めて再利用可能な手順として残せる点に価値があります。

keyword

結果

学習させたU-Netモデルを使用した結果と考察

セグメンテーションへ使用する用の画像The Oxford-IIIT Pet Datasetデータセット内から取り出し、セグメントした結果は、これらの様になります。フローは左側の様なセグメントする前の画像を真ん中の様な学習モデルコンポーネントに読み取らせ、右の様なセグメント後画像を出力させています。
このようなセグメントの使用先としては、
  • 材料の顕微鏡画像にセグメンテーションを使用することによるデータの増強
  • Pipeline Pilotの特徴であるデータ受け渡しの簡潔さを生かして、他ソフトウェアへセグメント結果の受け渡し
    • などを想定することができます。
    推論結果をワークフロー上でそのまま後続処理へ渡せるため、単なる画像表示に留まらず、特徴量抽出、面積率評価、粒子カウント、別ソフトへの入力生成などへ展開しやすい点も重要です。画像認識結果を次工程へ自然につなげられることが、Pipeline Pilot 上で扱う大きな利点です。
    したがって本事例は、U-Net を使えること自体だけでなく、深層学習を含む画像解析プロセスを標準化し、再利用可能な業務フローとして扱えることを示しています。材料画像や検査画像のような実務データにも横展開しやすい構成です。

    Reference

    • Boyuan M. et al. npj Computational Materials, 6, 125(2020).

    お問い合わせはこちらから

    まずはお気軽にご相談ください。

    045-682-7070

    お問い合わせはこちら 資料請求はこちら