manual correction mode

Abierto
  • ¿Algo no está bien?
#80 1 comentario 0 reacciones 0 asignados Ver en GitHub

Nadie ha tomado este issue todavía.

Evaluación

Dificultad
5/5
Tiempo estimado
Más de una semana
Aptitud para principiantes
25/100
Tipo de issue
Nueva funcionalidad
Claridad
Necesita aclaración
Estado de actividad
Estancado
Área
computer-vision, machine-learning

Línea de trabajo

El issue no menciona archivos, pruebas ni puntos de entrada. Empieza por localizar el flujo de trabajo de segmentación predicha y la ruta de corrección de anotaciones, y luego determina cómo las etiquetas manuales podrían anular las predicciones. Se considera terminado cuando un usuario puede corregir manualmente las regiones subsegmentadas o sobresegmentadas sin cambiar el comportamiento de las predicciones en otras partes.

Escrito por el modelo de indexación a partir del texto del issue.

Descripción

Not sure this is doable or not. What I would like to suggest is to have a 'manual mode segmentation' that can overrule 'predicted segmentation'. Currently, predicted segmentation is based on the pattern that we annotate. For example, if I annotate the black region as bacteria and gray region as background, the predicted segmentation would follow that pattern. However, there are quite a number of bacteria (with non ideal black color, therefore more similar to background), and they are predicted as background (i.e. undersegmentation of bacteria). When I correct these wrongly predicted bacteria (as background) by re-annotation, many background regions (real background) are then predicted as bacteria (i.e. oversegmentation of bacteria). This is becasue I re-scribble not very black regions as bacteria, so prediction follow that pattern. And then if I try to correct this again, it goes back to the first scenario of undersegmentation. So, i end up with either over/under segmentation. This issue could happen in most dataset as the intensity/pattern of individual objects vary much even they are same class. So, if there is a manual segmentation mode that can overrule trained-prediction, I thought I can get a more accurate segmentation. For example, I can start with under/over segmentation, then I use the manual mode for correction, which is, if i select a region as bacteria in manual mode, it will segment as bacteria (even though the pattern looks more like background). Whatever I segment in manual mode should overrule the trained-prediction. So, it is kind of like auto-segmentation that allows manual correction.

Lenguaje dominante
Cuda
Estrellas
25
Forks
5
Sin PR fusionados en 30 d

Preparar el entorno

Este proyecto no incluye contenedor de desarrollo, Dockerfile ni guía de contribución, así que la configuración corre por tu cuenta: empieza por su README y consulta nuestra guía para la primera contribución para los pasos generales.

Primeros pasos

  1. Lee el issue completo y luego la guía de contribución del proyecto.
  2. Comenta en el issue que vas a ocuparte — evita que dos personas hagan lo mismo.
  3. Haz un fork del repositorio y trabaja en una rama.
  4. Abre un pull request que haga referencia al número del issue.

Más de DiamondLightSource/SuRVoS

Todos los issues de DiamondLightSource/SuRVoS

Issues similares

Más issues de Computer Vision

Recibe los nuevos issues en tu correo

Un resumen breve de issues de GitHub para principiantes.