"GastroView - nowa technologia analizy i przetwarzania obrazu, zwiększająca dokładność oraz skracająca czas diagnostyki zmian chorobowych w obszarze endoskopii kapsułkowej", projekt dofinansowany w ramach Poddziałania 1.1.1 "Badania przemysłowe i prace rozwojowe realizowane przez przedsiębiorstwa" Programu Operacyjnego Inteligentny Rozwój 2014-2020 współfinansowanego ze środków Europejskiego Funduszu Rozwoju Regionalnego.

Angiodysplasia detection algorithm in the GastroView system uses a convolutional neural network as a base classification model. The network is trained on image patches instead of entire images in order to operate in sliding-window mode in test time. The outputs are then aggregated and postprocessed in order to provide detection (full frame classification) and localization outputs.

W tym krótkim eksperymencie zajmiemy się prostą techniką transferu uczenia z wykorzystaniem biblioteki Keras. Celem jest uzyskanie stosunkowo skutecznego klasyfikatora niewielkim nakładem pracy i z wykorzystaniem małego zbioru uczącego. W tym celu użyjemy modelu sieci Resnet-152, który został wyuczony na zbiorze ImageNet i zmodyfikujemy go tak, aby był w stanie klasyfikować obrazy dla nowego zestawu 67 klas opisujących wnętrza różnych miejsc. Dane wykorzystane w eksperymencie pochodzą ze zbioru danych MIT Indoor-67.

CVLab jest oprogramowaniem uzupełniającym dla biblioteki OpenCV, umożliwia wygodne tworzenie i testowanie własnych algorytmów przetwarzania obrazów w prosty graficzny sposób. Pisanie kodu używając biblioteki OpenCV jest procesem czasochłonnym. Aby zobaczyć wyniki aktualnie dokonywanych zmian, musimy często kompilować i uruchomić kod. Jest to w szczególności uciążliwe jeśli dokonujemy zmian wartości parametrów w celu ustalenia wartości optymalnych. W celu prezentacji wyników pośrednich lub końcowych algorytmu, także zmuszeni jesteśmy do napisania odpowiedniego kawałka kodu.