Beyond Nearest Neighbor Interpolation in Data Augmentation
Ce papier propose un pipeline d'augmentation de données modifié pour les réseaux de neurones convolutifs qui élimine la dépendance à l'interpolation par plus proche voisin pour prévenir les erreurs d'annotation au niveau des pixels et la dégradation des détails haute fréquence, en utilisant à la place un mécanisme de filtrage de classe basé sur la moyenne et une génération hors ligne pour obtenir des gains de performance sur des ensembles de données de segmentation d'images médicales et de rayons X.
Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
Imaginez que vous enseigniez à un robot à reconnaître et à dessiner des contours autour d'objets spécifiques dans des photos, comme la détection de tumeurs dans une radiographie ou la localisation de batteries dans un tas de déchets électroniques. Pour rendre le robot intelligent, vous lui montrez des milliers d'images. Mais pour le rendre vraiment intelligent, vous devez lui montrer encore plus d'images en prenant les originales et en les tordant, en les tournant, en les étirant et en les faisant pivoter. Cela s'appelle l'augmentation des données.
Le problème, selon cet article, est de savoir comment nous créons ces nouvelles images tordues.
L'ancienne méthode : L'imitateur « pixel parfait »
Traditionnellement, lorsque nous faisons pivoter une image d'un objet (comme une tumeur), l'ordinateur doit décider quelle couleur appliquer aux nouveaux espaces vides créés par la rotation.
- Pour la photo : Les ordinateurs utilisent généralement une méthode douce et artistique (comme le mélange des couleurs) pour rendre l'image naturelle.
- Pour le contour (le masque) : Pour éviter la confusion, les ordinateurs ont historiquement utilisé une méthode de « plus proche voisin ». Pensez-y comme à un imitateur pixélisé. Si un pixel était rouge, le nouveau pixel est simplement une copie du pixel rouge le plus proche. Il ne se mélange pas ; il s'aligne simplement sur le plus proche voisin.
Le défaut : L'auteur soutient que cette méthode de « alignement » est comme essayer de dessiner un cercle lisse en utilisant uniquement des briques Lego carrées. Cela crée des bords en dents de scie et en escalier. Ces bords irréguliers confondent le robot car ils ne correspondent pas aux courbes lisses de l'objet réel. C'est comme donner au robot une carte avec des frontières irrégulières et inexactes ; il apprend à dessiner des frontières irrégulières au lieu de lisses.
La nouvelle méthode : Le « peintre lisse » avec un filet de sécurité
L'auteur propose une nouvelle approche : Arrêtez d'utiliser l'imitateur « saccadé » pour les contours. Utilisez plutôt les mêmes méthodes de mélange artistique et lisse utilisées pour les photos, même pour les contours.
Le risque : Si vous mélangez des couleurs sur un contour, vous pourriez obtenir des couleurs étranges et « indéfinies » (comme un pixel à 50 % rouge et 50 % bleu). Le robot ne sait pas quoi faire d'une tumeur « mi-rouge ».
La solution : L'auteur a inventé un filet de sécurité (appelé le filtre global).
- Peignez lisse : D'abord, utilisez la méthode de mélange lisse pour faire pivoter et étirer le contour. Cela préserve les détails fins et les structures à haute fréquence (les petits bords nets) que la méthode « saccadée » détruit.
- Le filet de sécurité : Après la peinture, le filet de sécurité examine chaque pixel. Si un pixel est clairement d'une couleur ou d'une autre, il le conserve. Si un pixel est un mélange confus « mi-mi », le filet de sécurité vérifie la couleur moyenne de la zone environnante et force le pixel à être soit entièrement d'une couleur, soit entièrement de l'autre.
L'analogie : Imaginez que vous étirez un élastique avec un dessin dessus.
- Ancienne méthode : Vous l'étirez, mais le dessin devient bloc et pixélisé, perdant sa forme.
- Nouvelle méthode : Vous l'étirez lisse pour que le dessin reste clair, puis vous utilisez un tampon pour corriger les éventuelles taches apparues pendant l'étirement, garantissant que les lignes restent nettes et claires.
Ce qui s'est passé lors des essais ?
L'auteur a testé cela sur trois ensembles d'images médicales différentes (scanners cérébraux, tissus mammaires et polypes coliques) et un ensemble de détection de batteries. Ils ont utilisé trois robots « étudiants » différents (réseaux de neurones nommés U-Net, SegNet et DeepLabV3+) et un détecteur d'objets (YOLO).
Les résultats :
- Pour les « étudiants » (Segmentation) : Dans la plupart des cas, le robot entraîné avec la méthode « Peintre lisse + Filet de sécurité » a mieux performé. Il a appris à dessiner des contours plus propres et plus précis. Plus précisément, pour les modèles U-Net et SegNet, l'utilisation de la méthode de mélange lisse (Bicubique) pour les contours a été un clair gagnant.
- Pour le « Détecteur » (Détection d'objets) : Lors de la recherche de batteries, la méthode lisse a également aidé le robot à trouver les objets plus fiablement et avec une plus grande confiance, bien qu'il ait parfois trouvé légèrement moins d'objets au total par rapport à d'autres méthodes.
La conclusion
L'article conclut que nous ne devrions pas avoir peur d'utiliser des mathématiques « lisses » pour gérer les contours des objets, tant que nous avons un filet de sécurité pour nettoyer toute confusion par la suite. En faisant cela, nous empêchons le robot d'acquérir de mauvaises habitudes (comme des bords irréguliers) et nous l'aide à préserver les petits détails importants des objets qu'il tente de reconnaître.
En bref : Ne faites pas simplement un copier-coller de pixels lorsque vous tordrez vos données d'entraînement. Mélangez-les lisse, puis utilisez un filtre pour réparer le désordre. Cela rend l'IA plus intelligente et plus précise.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.