INSTANZ-SEGMENTIERUNG
Im Vergleich zur semantischen Segmentierung, bei der lediglich jedem Pixel eine Klasse zugeordnet wird, berücksichtigt die Instanz-Segmentierung auch die individuelle Instanz jedes Objekts. Dies bedeutet, dass selbst mehrere Instanzen derselben Objektklasse (z. B. mehrere Äpfel) präzise und unabhängig voneinander identifiziert und segmentiert werden.
Ein Deep-Learning-Modell wird mit einer ausreichenden Menge an Trainingsdaten trainiert, um diese genauen Grenzen der Objekte zu erkennen und zu segmentieren. Die Bounding Box zur Lokalisierung wird mit pixelgenauen Segmentierungen kombiniert, um eine präzise Trennung zwischen Objekten zu gewährleisten.
INSTANZ-SEGMENTIERUNG
Hohe Präzision: Durch pixelgenaue Segmentierung werden selbst überlappende oder angrenzende Objekte exakt erkannt.
Komplexe Szenarien meistern: Insbesondere bei der Objekterkennung von mehreren Objekten in einem Bild, die sich berühren oder überlappen.
Einfache Integration: Nahtlose Integration in HALCON und MERLIC für industrielle Anwendungen mit minimalem Programmieraufwand.
Flexibilität und Anpassung: Schnelle Anpassung an neue Szenarien ohne umfangreiche Modellneutrainierung.
INSTANZ-SEGMENTIERUNG
In der Medizin- und Pharmaindustrie wirdInstanz-Segmentierung zur präzisen Messung von Bakterien in Petrischalen oder Teilchen in Flüssigkeiten verwendet. Die Technologie hilft dabei, die genaue Anzahl und Position von Zellen oder Strukturen zu bestimmen.
Beim Greifen zufällig angeordneter Objekte aus Kisten (sogenanntes Bin Picking) ermöglicht die Instanz-Segmentierung eine präzise Erkennung von Objekten, die sich überlappen oder eng nebeneinander liegen. Diese Technologie ist ein Schlüssel für die Automatisierung in der Logistik und der Fertigung.
