Anotacija kolonoskopskih slik s temeljnimi modeliLazić, Miha (Avtor) Emeršič, Žiga (Mentor) anotacijasegmentacijagloboko učenjeVision Transformertemeljni modelSegment AnythingkolonoskopijaAnotacija slik je ključen, a večkrat zamuden korak pri pripravi slikovnih podatkovnih zbirk. Poleg grafičnega vmesnika anotacijskega orodja, na hitrost anotacije vplivajo implementirani segmentacijski pristopi. Z razvojem globokega učenja na področju računalniškega vida se je pojavila možnost nadomestitve ročne anotacije in tradicionalnih segmentacijskih algoritmov s hitrejšimi in bolj natančnimi pristopi. Eden takšnih je temeljni model Segment Anything, ki smo ga analizirali v večih različicah (ViT-b, ViT-l, ViT-h, MobileSAM, SAM-Med2D, MedSAM) in testirali na podatkovni zbirki kolonoskopskih slik Kvasir-SEG in kolonoskopskih inštrumentov Kvasir-Instrument. Ovrednotili smo natančnost segmentacije in časovno zahtevnost modelov z resničnimi maskami objektov in na podlagi rezultatov, implementirali funkcionalnosti najboljšega modela v prototipni anotacijski program.20242024-08-29 10:45:04Diplomsko delo/naloga160506VisID: 37324COBISS_ID: 208428803sl