google/ffn

何を解決するか

Flood-Filling Networks (FFNs) は、特に脳組織の体積EM（電子顕微鏡）データセットを対象として、体積データセット内の複雑で大きな形状のインスタンスセグメンテーションを目的として設計されています。

動作方法

FFNs は、オブジェクトを反復的にセグメンテーションするための特別なニューラルネットワークアーキテクチャを使用します。このプロジェクトは、トレーニングデータを準備するためのツールを提供しており、特定の半径内でのラベル付きボクセルの量子化された部分（"partitions"）を計算し、サンプリング用の座標ファイルを生成します。トレーニングは TensorFlow を使用して train.py スクリプトで実行され、インフェレンスは全体のボリュームをセグメンテーションするバッチ処理として実行できるほか、シードベースのアプローチでインタラクティブにセグメンテーションマスクを拡張することも可能です。

対象ユーザー

特に脳組織の生物学的イメージングおよび電子顕微鏡に焦点を当てた、3D体積イメージングに取り組む研究者やデータサイエンティスト。

特徴

• 体積セグメンテーション: 大きく複雑な3D形状に特に最適化されています。
• データ準備パイプライン: パーティションの計算と効率的なトレーニング用の座標ファイルの構築をサポートするスクリプトを含みます。
• トレーニングとインフェレンス: 非インタラクティブなバッチインフェレンスとインタラクティブなシードベースセグメンテーションの両方をサポートします。
• GPU加速: 計算コストの高い体積処理に最適化されており、Tesla P100 GPUや同様のハードウェアで使用可能です。