3-D Deep Learning : 3-D Volume Labeling Assist Tool

Interactively Create Mask, and Semi-Automatically Label Volume Data Using 3-D Active Contour on the Labeler App

Semantic segmentation (3-D Deep Learning) is really powerful approach to segment specific 3-D regions in an volume data. Good ground truth data is crucial for training deep neural network, but creating and maintaining a diverse and high-quality set of annotated data requires significant effort.
The videoLabeler and imageLabeler app makes this process easy and efficient, but these apps are designed for 2-D images or video. For those who want to extend the capability of Labeler apps to 3-D volume data, this tool give an idea about how to add custom algorithms for 3-D volume data to the app.
As an example, this tool enable you to label XZ slice images on another figure window and then you can use active contour method on this tool to segment target object by using labels as an initial mask.
Segmented object is converted to 3-D labeled volume data and back to Labeler App.

[Japanese]
3-Dデータからの物体のセグメンテーションにおいて、機械学習やディープラーニングは非常に強力なアプローチの一つです。その一方、ネットワークを学習させるためには膨大な量のデータが必要であり、ラベルが付けられたデータを準備する作業には非常に多くの時間・リソースを必要とします。
videoLabelerやimageLabelerを利用することで、このラベリングの作業を効率的に行うことができますが、これらのツールは主に2-D画像データや動画を扱うことを前提としています。これらのLabeler Appを3-Dボリュームデータにも活用したい方のために、カスタムの半自動化アルゴリズムを3-Dボリュームデータ用に準備してAppに追加するための例をご紹介します。
3-Dボリュームデータに対してラベルを付与する場合、App上ではXY平面に対するラベリングとなりますが、このツールを利用することでXZ平面に対してもラベリングを可能とし、さらにActive Contourを利用して対象オブジェクトに対するラベリング作業を半自動化できます。

[Keyward]
画像処理・画像分類・ディープラーニング・DeepLearning・デモ・IPCVデモ・ニューラルネットワーク・ラベリング・半自動化・vision.labeler.AutomationAlgorithm・3-D・3D・ボリュームデータ