YZ Merkezi
Yapay zekâ sözlüğü
Orta seviye
Görüntü Bölütleme (Image Segmentation)
Image Segmentation
31.08.2026 tarihinde güncellendi
Görüntü bölütleme, bir dijital görselin her bir pikselini belirli bir nesneye veya arka plana ait olacak şekilde sınıflandırarak piksel hassasiyetinde sınır çizgileri çıkaran ileri bilgisayarlı görü tekniğidir.
Genel bakış
Kavramın çerçevesiNesne tespitinin (kutu içine almanın) bir adım ötesidir. Nesnenin sadece nerede olduğunu değil, tam sınırlarının ve şeklinin piksel piksel nerede başlayıp bittiğini belirler.
Çalışma mantığı: İki ana türe ayrılır: 1) Anlamsal Bölütleme (Semantic Segmentation): Aynı sınıftaki tüm nesneleri tek bir kategori olarak işaretler (tüm arabalar kırmızı). 2) Örnek Bölütleme (Instance Segmentation): Her nesneyi ayrı bir varlık olarak ayırt eder (Araba 1, Araba 2). Yaygın mimariler: U-Net, Mask R-CNN, Segment Anything (SAM).
Kullanım alanları: Tıbbi görüntülemede tümör dokusunun milimetrik sınırlarının çizilmesi, otonom araçlarda sürülebilir yol yüzeyinin tespiti ve arka plan kaldırma araçları.
Sınırlılıklar ve dikkat edilmesi gerekenler: Piksel düzeyinde etiketleme yapmak devasa zaman ve uzmanlık gerektirir; modeller yüksek GPU belleğine ihtiyaç duyar.
Çalışma mantığı: İki ana türe ayrılır: 1) Anlamsal Bölütleme (Semantic Segmentation): Aynı sınıftaki tüm nesneleri tek bir kategori olarak işaretler (tüm arabalar kırmızı). 2) Örnek Bölütleme (Instance Segmentation): Her nesneyi ayrı bir varlık olarak ayırt eder (Araba 1, Araba 2). Yaygın mimariler: U-Net, Mask R-CNN, Segment Anything (SAM).
Kullanım alanları: Tıbbi görüntülemede tümör dokusunun milimetrik sınırlarının çizilmesi, otonom araçlarda sürülebilir yol yüzeyinin tespiti ve arka plan kaldırma araçları.
Sınırlılıklar ve dikkat edilmesi gerekenler: Piksel düzeyinde etiketleme yapmak devasa zaman ve uzmanlık gerektirir; modeller yüksek GPU belleğine ihtiyaç duyar.
Teknik tanım ve açıklama
Temel mekanizmaBir dijital görüntünün her bir pikseline sınıf etiketi atayarak görseli homojen semantik bölgelere ayıran yoğun tahmin (dense prediction) modelidir.
Gerçek hayatta kullanım
Örnek senaryoBir beyin MR taramasında tümörlü dokunun sağlıklı beyin dokusundan piksel düzeyinde ayrıştırılıp cerrahlar için 3 boyutlu operasyon sınırının haritalandırılması.