Semi-automatische Datenannotation für maschinelles Lernen
Die Balgrist Stiftung finanziert in diesem Projekt die Entwicklung einer Anwendungssoftware, welche den Zeitaufwand bei der Erstellung von Datensätzen für das maschinelle Lernen reduziert.
Zukünftige Methoden zur chirurgischen Navigation, wie die holografische Navigation mit Augmented Reality (AR) setzen eine semantische Segmentierung des Operationsverlauf voraus. Bei der semantischen Segmentierung von Kamerabildern werden die Objekte anhand ihrer semantischen Merkalen erkannt und miteinander in Verbindung gebracht. Zur Objekterkennung selbst werden Deep Learning Methoden erfolgreich eingesetzt. Eine Voraussetzung ist aber, dass diese Methoden das Erscheinungsbild der Objekte anhand Übungsdaten lernen, in denen alle Objekte in jedem Bild eines Videos von einem Menschen markiert und benannt wurden. Dieser zeitaufwändige Vorgang heisst "Labelling".
Das von der Balgrist Stifung finanzierte Projekt hat zum Ziel, eine Andwendungssoftware zu entwickeln, welche den Zeitaufwand bei der Erstellung von Übungs-Datensätzen für das maschinelle Lernen reduziert.
Die Applikation wird dem Benutzer nicht nur ein komfortables Markieren der Objekte in Videos ermöglichen (Bild 1). Sie wird während der Anwendung mitlernen und dem Benutzer Vorschläge präsentieren, welche der Benutzer dann nur noch annehmen oder adaptieren muss. Die Applikation soll auf dem Microsoft Grafik-Framework 'Windows Presentation Foundation' (WPF) und C# basieren.