教師なしでのセグメンテーションの機械学習について

教師なしでセグメンテーションの機械学習を行いたいのですが、おすすめの関数や手法をコード付きで教えてください。

Answer 1

[Kojiro Saito]

「画像セグメンテーションとは」のページに様々なセグメンテーション手法がまとまっています。教師なし機械学習ですと、「クラスタリング」のセクションにある手法が手始めに良いと思います。

k-means クラスタリングを使った色ベースのセグメンテーションの例にimsegkmeans関数を使ったサンプルコードが載っています。

[kaede]

回答ありがとうございます。

上記のページを読んでみましたが、セグメンテーションの機械学習を行う際には、ラベルが必要であることのみが書かれておりました。

私の考える教師なしというのは正解ラベルなしでの学習のことですが、この学習についてのページは何かございますか？

お手数をおかけし申し訳ありません。

[Kojiro Saito]

クラスタリングは教師無し学習なので、正解ラベルが不要です。imsegkmeans 関数では画像とクラスター数を入力にすれば動きますが、こちらは試されましたか？

[kaede]

試しました。

[Kojiro Saito]

そしたら正解ラベル無しで画像領域が分割できたと思うのですが、想定されているのと違いましたか？

[kaede]

返答が遅くなり申し訳ありません。 私が想定しているものは、同じ種類の大量の他のデータを用いて、様々な学習条件のもとに長時間かけて何エポックも機械学習を行うものであると考えており異なっています。

[Kojiro Saito]

返信が遅くなりすみません。

ディープラーニングを用いた分類を想定されていますね。imsegkmeansで教師なしクラスタリングで分類した結果をラベルとしてU-NetやDeepLab v3+に入れる方法が考えられます。

他にはゼロショットのSegment Anything Model (SAM)を使う方法としてR2024bで登場したImage Processing Toolboxのimsegsamや、それをベースにしたMedical Imaging Toolboxのサポートパッケージ「MedSAM」を使った手法などもあるかなと思います。

参考：Get Started with Medical Segment Anything Model for Medical Image Segmentation

[kaede]

上記の手法を試そうと思います。

ありがとうございます。