Instanz Segmentierungs-Challenge: Verbesserung der Bildanalyse durch maschinelles Lernen

Segmentierungswettbewerb: Verbesserung der CT-Bildanalyse durch maschinelles Lernen

Ich freue mich, Ihnen heute ein spannendes Projekt vorzustellen. Der Bereich der zerstörungsfreien Prüfung (ZfP) hat sich in den letzten Jahren stark weiterentwickelt, neue Methoden der Bildsegmentierung (mit maschinellem Lernen oder künstlicher Intelligenz) und Big-Data-Szenarien sind im Kommen und auch im ADA Lovelace Center wird bereits sehr erfolgreich in einer Applikation an der Datensegmentierung mittels Computertomographie für die Automobilindustrie und Logistik geforscht.

Gemeinsam mit dem ADA Lovelace Center des Fraunhofer IIS arbeiten das Deutsche Museum München und die Deutsche Gesellschaft für Zerstörungsfreie Prüfverfahren (DGZFP) daran, diese Fortschritte in der Praxis umzusetzen und weiterzuentwickeln.

Das Fraunhofer Institut für integrierte Schaltungen (IIS) hat daher einen Wettbewerb zur Verbesserung der Bildanalyse durch maschinelles Lernen ausgeschrieben. Ziel des Wettbewerbs ist es, neue Algorithmen zu entwickeln und zu evaluieren, die Bilder genau segmentieren können, d.h. verschiedene Objekte oder Regionen innerhalb eines CT-Volumens zu identifizieren und zu unterscheiden.

Dies ist eine wichtige Aufgabe im Kontext der Zerstörungsfreien Prüfung mittels CT Daten, aber auch anderen Bereichen, wie die medizinische Bildanalyse oder digitale Agriculture. Eine genaue Erkennung und Segmentierung von Objekten kann bei der Visualisierung und Analyse hochaufgelöster XT Daten helfen.

Wie funktioniert der Wettbewerb?

Das Fraunhofer IIS stellt den Teilnehmenden mehrere XXL-CT Volumendatensätze samt deren Referenzsegmentierung zur Verfügung, welche diese zum Trainieren ihrer Algorithmen verwenden können. Anschließend stellt das Fraunhofer IIS einen ähnlichen XXL-CT Volumendatensatz ohne Referenzsegmentierung zur Verfügung. Ziel der Challenge ist es, diesen unbekannten Testdatensatz mit der höchsten Genauigkeit zu segmentieren.

Warum machen wir diesen Wettbewerb?

Der Einsatz von Verfahren des maschinellen Lernens in der Bildanalyse hat in den letzten Jahren in allen Anwendungsbereichen stark zugenommen. Die derzeitigen Methoden haben jedoch noch immer ihre Grenzen, und es gibt noch Raum für Verbesserungen. Diese Herausforderung bietet Forschern und Entwicklern die Möglichkeit, die Grenzen der 3D-Bildanalyse an CT-Volumina zu erweitern und möglicherweise neue Wege zur Verbesserung der Genauigkeit der Bildsegmentierung zu finden.

Das Fraunhofer IIS ist ein führendes Forschungsinstitut auf dem Gebiet der Bildanalyse und bietet mit seinem Fachwissen und seinen Ressourcen den Teilnehmenden die Möglichkeit, auf diesem Gebiet einen echten Beitrag zu leisten. Der Wettbewerb ist eine großartige Gelegenheit für Forschende und Entwickelnde im Bereich des maschinellen Lernens und der Bildanalyse, ihre Fähigkeiten zu demonstrieren und möglicherweise einen Durchbruch auf diesem Gebiet zu erzielen.

Wenn Sie sich also für den Bereich des maschinellen Lernens und der Bildanalyse interessieren, ist dies eine großartige Gelegenheit für Sie, etwas zu bewirken und die Grenzen des Möglichen zu erweitern. Es ist an der Zeit, Ihre Fähigkeiten unter Beweis zu stellen und an dieser spannenden Herausforderung teilzunehmen!

Hier geht’s zur Challenge!

Instance Segmentation Challenge:
Improving Image Analysis using Machine Learning

I am happy to present you an exciting project today. The field of non-destructive testing (NDT) has evolved greatly in recent years, with new methods of image segmentation (using machine learning or artificial intelligence) and Big Data scenarios on the rise and research on data segmentation using computed tomography for the automotive industry and logistics is already being researched very successfully in an application at the ADA Lovelace Center.

Together with the ADA Lovelace Center of Fraunhofer IIS, the Deutsches Museum München and the German Society for Non-Destructive Testing (DGZFP) are working to implement and develop these progresses in practice.

Therefore the Fraunhofer IIS has recently launched a instance segmentation challenge to improve image analysis through machine learning. The goal of the challenge is to develop and evaluate new algorithms that can accurately segment volumetric XXL CT images to identify and distinguish different objects or regions within these 3D data.

This is an important task in the context of non-destructive testing based on CT data, but also in other domains such as medical image analysis or digital agriculture. An  accurate detection and segmentation of objects can improve the visualization of the analysis of high-resolution XXL CT data.

How does the challenge work?

The segmentation challenge is open to anyone, and participants can submit their algorithms for evaluation. Fraunhofer IIS will provide a dataset of XXL CT volumes for the participants to use for training and testing their algorithms. In due time Fraunhofer IIS will provide a similar XXL-CT volume without a reference. Goal of the challenge will be to segment this yet unseen test data with highest precision.

Why are we doing the challenge?

The use of machine learning methods in image analysis has been rapidly increasing in all types of applications in recent years. However, current methods still have limitations and there is room for improvement. This XXL -CT instance segmentation challenge is an opportunity for researchers and developers to push the boundaries of image analysis and potentially discover new ways to improve the accuracy of 3D image segmentation.

The Fraunhofer IIS is a leading research institute in the field of image analysis, and their expertise and resources make this an exciting opportunity for participants to make a real impact in the field. The challenge is a great opportunity for researchers and developers in the field of machine learning and image analysis to showcase their skills and potentially make breakthroughs in the field.

So if you are interested in the field of machine learning and image analysis, this is a great opportunity for you to make a difference and push the boundaries of what is possible. It’s time to put your skills to the test and participate in this exciting challenge!

Learn more about the Challenge!