google/ffn

해결하는 문제

Flood-Filling Networks (FFNs)는 특히 뇌 조직의 부피 전자현미경(EM) 데이터셋을 대상으로, 부피 데이터셋 내에서 복잡하고 큰 형태의 인스턴스 세그멘테이션을 위해 설계되었습니다.

작동 방식

FFNs는 반복적으로 객체를 세그멘테이션하기 위해 특수한 신경망 아키텍처를 사용합니다. 이 프로젝트는 "파트셔닝"(특정 반경 내 레이블링된 보크셀의 양자화된 분할)을 계산하고 샘플링을 위한 좌표 파일을 생성함으로써 훈련 데이터를 준비하는 도구를 제공합니다. 훈련은 TensorFlow를 사용하여 train.py 스크립트로 수행되며, 전체 볼륨을 세그멘테이션하기 위한 배치 처리 방식 또는 시드 기반 접근 방식을 통해 인터랙티브하게 세그멘테이션 마스크를 확장할 수 있습니다.

대상 사용자

특히 뇌 조직의 생물학적 이미징 및 전자현미경에 집중하는 3D 부피 이미징을 다루는 연구자 및 데이터 과학자.

주요 특징

• 부피 세그멘테이션: 대규모이고 복잡한 3D 형태에 특별히 최적화되어 있습니다.
• 데이터 준비 파이프라인: 파티셔닝 계산 및 효율적인 훈련을 위한 좌표 파일 생성을 위한 스크립트를 포함합니다.
• 훈련 및 추론: 비인터랙티브 배치 추론과 인터랙티브 시드 기반 세그멘테이션을 모두 지원합니다.
• GPU 가속: 계산 비용이 높은 부피 처리를 위해 Tesla P100 GPU 및 유사 하드웨어에 최적화되어 있습니다.