“segmentasyon” için sonuçlar
34 sonuç bulundu. Sonuçları kategoriye göre daraltabilirsin.
Afrika'da beyin tümörü teşhisi için yapay zeka modeli geliştirildi
Araştırmacılar, Afrika'daki düşük ve orta gelirli ülkelerde beyin tümörü teşhisini iyileştirmek için özel bir yapay zeka modeli geliştirdi. Bu ülkelerde standart görüntüleme protokollerinin olmaması, düşük kaliteli MR cihazlarının yaygın kullanımı ve sınırlı sağlık kaynakları nedeniyle otomatik beyin tümörü segmentasyonu zorlu bir süreç. Bilim insanları, nnU-Net ve MedNeXt gibi gelişmiş segmentasyon modellerini topoloji iyileştirme teknikleriyle birleştirerek bu zorluğu aştı. BraTS Africa 2025 Yarışması kapsamında geliştirilen sistem, düşük kaliteli görüntülerdeki deformasyonları düzelten özel bir modül içeriyor. Model, önce yüksek kaliteli verilerle eğitilip sonra Afrika veri seti için ince ayar yapılarak optimize edildi.
Uydu Görüntülerinde Yapay Zeka Segmentasyonu için Büyük Ölçekli Test Platformu
Araştırmacılar, uydu görüntülerindeki nesneleri otomatik olarak tanımlayan yapay zeka sistemlerini değerlendirmek için kapsamlı bir test platformu geliştirdi. OVRSISBenchV2 adlı bu platform, 170 bin görüntü ve 128 farklı kategori içeriyor. Sistem, önceden eğitilmediği nesneleri bile tanıyabilen 'açık kelime dağarcıklı' segmentasyon teknolojisini test ediyor. Bu çalışma, tarım izleme, şehir planlama ve çevre koruma gibi alanlarda kullanılan uydu görüntü analizi teknolojilerinin geliştirilmesine önemli katkı sağlıyor.
Kuantum ve Klasik Bilişimi Birleştiren Yeni Yaklaşım Uydu Görüntülerini Analiz Ediyor
Araştırmacılar, uydu görüntülerindeki nesneleri tanımlamak için kuantum ve klasik bilişim tekniklerini birleştiren yeni bir yapay zeka modeli geliştirdi. HQF-Net adı verilen bu hibrit sistem, geleneksel yöntemlerin aksine hem küçük detayları hem de geniş bölgelerdeki anlamsal bağlamı eşzamanlı olarak yakalayabiliyor. Model, dondurulmuş bir görü transformatörü omurgası ile özelleştirilmiş U-Net mimarisini birleştirirken, kuantum devrelerini kullanan özel bileşenler aracılığıyla özellik iyileştirmesi gerçekleştiriyor. Bu yaklaşım, uzaktan algılama uygulamalarında görüntü segmentasyonunda önemli iyileşmeler vaat ediyor ve kuantum hesaplamanın pratik AI uygulamalarında nasıl kullanılabileceğine dair yeni perspektifler sunuyor.
Yapay Zeka, Kalp Duvarının İnce Yapısını Görüntülemeyi Kolaylaştırıyor
Araştırmacılar, kalp MR görüntülerinde sol atrium duvarının segmentasyonunu iyileştiren yeni bir yapay zeka yöntemi geliştirdi. C2W-Tune adlı bu yaklaşım, iki aşamalı bir transfer öğrenme stratejisi kullanarak önce kalp boşluğunu öğreniyor, sonra bu bilgiyi ince duvar yapılarını tespit etmek için kullanıyor. Sol atrium duvarının doğru segmentasyonu, duvar kalınlığının haritalanması ve fibrozis miktarının belirlenmesi için kritik öneme sahip. Ancak duvarın inceliği, karmaşık anatomisi ve düşük kontrast nedeniyle bu işlem oldukça zorlayıcı. Yeni yöntem, 3D U-Net mimarisi ile ResNeXt kodlayıcısını birleştirerek, önce atrium boşluğunu segmente etmeyi öğreniyor, ardından bu bilgiyi duvar segmentasyonuna aktarıyor. Test sonuçları, geleneksel yöntemlere kıyasla önemli iyileşmeler gösteriyor.
3AM: Video Segmentasyonunda Geometrik Tutarlılık Devrimi
Araştırmacılar, video analizi alanında önemli bir yenilik geliştirdi. 3AM adlı yeni sistem, SAM2 video segmentasyon teknolojisini 3D geometrik özelliklerle güçlendirerek, kamera açısı değişimlerinde bile tutarlı nesne takibi sağlıyor. Geleneksel yöntemlerin aksine, sadece RGB görüntü girişiyle çalışan sistem, karmaşık ön işleme veya kamera pozisyonu bilgisine ihtiyaç duymuyor. MUSt3R teknolojisinden gelen 3D farkındalığı sayesinde, sistem hem görsel benzerlik hem de uzamsal konum bilgisini kullanarak nesneleri daha güvenilir şekilde tanımlayabiliyor. Bu gelişme, video analizi, artırılmış gerçeklik ve robotik uygulamalar için önemli bir adım.
Yapay zeka 3D nesneleri parçalara ayırmayı öğrendi
Araştırmacılar, 3D nesneleri otomatik olarak anlamlı parçalara ayırabilen yenilikçi bir yapay zeka sistemi geliştirdi. SegviGen adlı bu sistem, mevcut 3D üretici modellerden yararlanarak nesnelerin farklı bölümlerini renkli kodlarla ayırt ediyor. Geleneksel yöntemlerin aksine, büyük veri setlerine ya da yoğun hesaplama gücüne ihtiyaç duymuyor. Sistem, kullanıcı etkileşimli segmentasyon, tam otomatik bölümleme ve 2D rehberlikli segmentasyon gibi farklı modlarda çalışabiliyor. Bu teknoloji, 3D modelleme, oyun geliştirme, robotik ve sanal gerçeklik uygulamalarında önemli ilerlemeler sağlayabilir. Özellikle karmaşık 3D nesnelerin analizinde ve manipülasyonunda yeni olanaklar sunuyor.
Yapay Zeka Tıbbi Görüntü Analizinde Belirsizlikleri Kararlara Dönüştürüyor
Araştırmacılar, tıbbi görüntü segmentasyonunda yapay zekanın belirsizlik tahminlerini nasıl pratik kararlara dönüştürebileceğini araştırdı. Retina damar görüntüleri üzerinde yapılan çalışmada, belirsizlik haritalarının doğru stratejilerle kullanılması durumunda segmentasyon hatalarının yüzde 80'ine kadar azaltılabildiği gösterildi. İki aşamalı bir yaklaşım benimseyen bilim insanları, tahmin ve karar verme süreçlerini ayrı ayrı optimize ederek, yapay zekanın hangi tahminleri kabul edeceği, hangileri işaretleyeceği veya erteleyeceği konusunda daha etkili politikalar geliştirdi. Bu çalışma, tıbbi yapay zeka uygulamalarında güvenlik ve doğruluğun artırılması açısından önemli bir adım olarak değerlendiriliyor.
Dronlar için AI Destekli Güvenli İniş Sistemi Geliştirildi
Araştırmacılar, otonom kargo dronlarının kentsel alanlarda güvenli paket teslimatı yapabilmesi için yenilikçi bir yapay zeka sistemi geliştirdi. 'See&Say' adlı bu sistem, görsel algı ve dil modellerini birleştirerek dronların iniş yapacakları alanları dinamik olarak değerlendiriyor. Geleneksel yaklaşımlar sadece geometrik analiz veya görüntü segmentasyonuna odaklanırken, yeni sistem her iki yöntemi entegre ederek daha güvenilir karar verme sağlıyor. Sistem, tek kamerayla çekilen görüntülerdeki derinlik gradyanlarını açık-kelime dağarcığı algılama maskeleriyle birleştirerek güvenlik haritaları oluşturuyor. Bu teknolojik gelişme, kargo dronlarının karmaşık şehir ortamlarında güvenli teslimat yapabilmesi için kritik bir adım.
Video Sıkıştırmada Yapay Zeka için Yeni Esnek Yaklaşım: PAT-VCM
Araştırmacılar, makine öğrenmesi sistemleri için video sıkıştırma teknolojisinde önemli bir yenilik geliştirdi. PAT-VCM adlı yeni sistem, farklı yapay zeka görevleri için ayrı ayrı video kodlayıcı eğitme ihtiyacını ortadan kaldırıyor. Geleneksel yöntemler her görev için özel sıkıştırma algoritması gerektirirken, bu sistem tek bir temel video akışını hafif 'yardımcı tokenlar' ile destekleyerek çoklu görevlerde kullanılabiliyor. Sistem, görsel kalıntı tokenları, kontrol tokenları ve anlamsal tokenlar olmak üzere üç tür yardımcı bilgi türünü destekliyor. Nesne tespiti, derinlik tahmin etme ve görüntü segmentasyonu gibi farklı görevlerde test edilen sistem, her görev için ayrı model eğitme maliyetini azaltırken performansı koruyor. Bu yaklaşım, yapay zeka sistemlerinin video analizi yeteneklerini daha verimli hale getirerek endüstriyel uygulamalarda önemli bir adım teşkil ediyor.
Yapay Zeka Gözünde Büyük Yanılsama: Doğru Yeri Buluyor, Yanlış İsim Veriyor
Araştırmacılar, görüntü segmentasyonunda çalışan yapay zeka modellerinin şaşırtıcı bir hata türü keşfetti. Bu modeller, nesnelerin sınırlarını doğru tespit edebiliyor ancak tamamen yanlış etiketler atayabiliyor. Örneğin bir köpeği bulup sınırlarını çiziyor ama 'kedi' diyor. Bu durum, modellerin eğitim verilerindeki sahte korelasyonlara dayanmasından kaynaklanıyor. Cornell Üniversitesi araştırmacıları, bu 'semantik etiket takası' sorununun geleneksel değerlendirme yöntemleriyle fark edilmediğini gösterdi. Çalışma, yapay zekanın gerçek dünya uygulamalarında karşılaşabileceği kritik güvenilirlik sorunlarına ışık tutuyor.