Vaizdų segmentavimo efektyvumo vertinimas
Kamarauskas, Juozas | Recenzentas / Rewiewer |
Baigiamajame magistro darbe siūlomas inovatyvus vaizdų segmentavimo efektyvumo vertinimas nustatant ryšį tarp subjektyvių ir objektyvių kokybės metrikų. Analitinėje dalyje kartu su segmentavimo ir koreliacijos metodais pateikiama kokybės metrikų skaičiavimo principų ir jų taikymo apžvalga. Projektinėje dalyje sukuriamas palydovinių vaizdų su atskaitiniais vaizdais duomenų rinkinys, paremtas „DeepGlobe” segmentavimo duomenų bazės vaizdais. Objektyvūs kokybės įverčiai išskiriami į tris segmentavimo kokybės metrikų klases ir apskaičiuojami pasitelkiant atskaitinius vaizdus ir originaliems vaizdams pritaikius k-vidurkių++ segmentavimo metodą pagal spalvinę komponentę. Subjektyvūs kokybės įverčiai gaunami sukuriant ir administruojant MOS vertinimo testą. Galiausiai, subjektyvūs ir objektyvūs įverčiai palyginti skaičiuojant Pearson'o ir Spearman'o koreliacijos koeficientus.
In this final master's thesis a novel approach is used to estimate the effectiveness of image segmentation by determining the correlation between subjective and objective segmentation quality metrics. The analytical part provides an overview of calculation principles and applications of various quality metrics in addition to clustering and correlation methods. In the design part, the dataset of the satellite images with ground truth (GT) based on the ”DeepGlobe Land Cover Classification Challenge” dataset was constructed. Then objective quality scores were obtained by calculating three metric classes for satellite images after applying a k-means++ clustering algorithm based on colour information. The subjective quality scores were obtained by creating and administering subjective quality assessment (MOS) test. Finally the Pearson's and Spearman's correlation was used to determine the relationship between subjective and objective evaluation.