Treffer: Active deep learning for segmentation of industrial CT data.

This contribution proposes an approach and the respective tool that uses Active Deep Learning (ADL) to segment industrial three-dimensional computed tomography (3D CT) data. The general approach is application-independent and includes an iterative human-in-the-loop Active Learning (AL) process that produces labeled training data and a trained Deep Learning (DL) model for semantic segmentation. The model is continuously improved during iterations such that manual labeling effort is reduced. In addition, the user can minimize user interaction with the aid of a random forest-based classifier and focus on unclear or invalid segmentation results. The complete workflow is implemented within one single Python tool. The approach is demonstrated in detail for two industrial use cases: Single fiber analysis and plant segmentation. For plant segmentation, the method is compared to a baseline and a classic image processing algorithm. Zusammenfassung: In diesem Beitrag werden ein Ansatz und ein entsprechendes Tool vorgestellt, das Active Deep Learning (ADL) für die Segmentierung industrieller dreidimensionaler Computertomographiedaten (3D CT) verwendet. Der allgemeine Ansatz ist anwendungsunabhängig und beinhaltet einen iterativen Active Learning (AL)-Prozess, der gelabelte Trainingsdaten und ein trainiertes Deep Learning (DL)-Modell für die semantische Segmentierung erzeugt. Das Modell wird in Iterationen kontinuierlich verbessert, wodurch der manuelle Labeling-Aufwand reduziert wird. Darüber hinaus ermöglicht ein Random-Forest-basierter Klassifikator dem Benutzer, die Benutzerinteraktion zu minimieren und sich auf unklare oder ungültige Segmentierungsergebnisse zu konzentrieren. Der gesamte Arbeitsablauf ist in einem einzigen Python-Tool implementiert. Der Ansatz wird im Detail für zwei industrielle Anwendungsfälle demonstriert: Einzelfaseranalyse und Pflanzensegmentierung. Für die Pflanzensegmentierung werden die Ergebnisse mit und ohne Active Learning einem klassischen Bildverarbeitungsalgorithmus gegenübergestellt. [ABSTRACT FROM AUTHOR]

Copyright of Technisches Messen is the property of De Gruyter and its content may not be copied or emailed to multiple sites without the copyright holder's express written permission. Additionally, content may not be used with any artificial intelligence tools or machine learning technologies. However, users may print, download, or email articles for individual use. This abstract may be abridged. No warranty is given about the accuracy of the copy. Users should refer to the original published version of the material for the full abstract. (Copyright applies to all Abstracts.)