JMP 커뮤니티 안녕하세요.
서로 다른 운영자가 세 가지 다른 그룹(불량, 양호, 확실하지 않음)으로 분류한 수백 개의 이미지가 있습니다. 결과를 이미지 분석 프로그램에 구현하기 위해 이 데이터에 대해 어떤 유형의 통계 분석(JMP에서)을 수행해야 하는지 알고 싶습니다.
모든 도움에 감사드립니다.
안녕하세요 @AFaiz ,
주제, 작업의 복잡성, 이미지를 분류할 수 있는 이미지의 세부 정보에 따라 JMP가 적절한 도구일 수도 있고 아닐 수도 있습니다.
이 주제를 시작하고 고급 접근 방식이 필요한지 확인하기 위한 첫 번째 단계는 다음을 시도하는 것입니다. 이미지 분석기 애드인. 이 추가 기능을 사용하면 이미지를 로드할 수 있으며 이미지의 각 픽셀에 대한 RGB 및 HLS 값이 포함된 데이터 테이블을 생성합니다. 여러 이미지를 처리하기 위해 이 프로세스를 자동화하고 각 이미지의 데이터를 연결하기 위해 스크립팅이 유용할 수 있습니다.
RGB 및/또는 HLS 분포를 사용하면 서로 다른 그룹 간에 이미지를 비교하고 중앙값/평균/표준편차 임계값, 왜도 또는 첨도의 특정 값, 비율 덕분에 새 이미지를 자동으로 분류하는 규칙을 감지하는 데 도움이 될 수 있습니다. 0 값, 범위 ...
저는 알루미늄 염색 평가에 이 접근 방식을 한 번 사용했습니다. 왜냐하면 cotation 점수(다른 제형에서 알루미늄에 대한 염색 특성을 테스트하기 위해 운영자로부터 획득)와 이미지 덕분에 데이터 분석 접근 방식 사이의 상관 관계를 가질 수 있는지 알고 싶었기 때문입니다. . 나는 데이터 접근 방식이 숙련된 운영자가 얻은 코테이션 점수와 매우 근접하게 일치할 수 있고 운영자에 의존하지 않는 점수를 가질 수 있다는 것을 보고 매우 기뻤습니다.
그러나이 간단한 접근 방식에는 재현성과 정확성을 위해 고정 및 정의 된 배경 (객체에 따라 흰색, 회색 또는 검은 색), 객체에서 고정 된 위치, 고정 된 조명 조건, 고정 된 카메라 설정 등의 사전 고정 조건이 필요합니다.
이 접근 방식이 작업에 대해 너무 간단한 경우(다른 이미지 크기, 이미지에 있는 개체의 복잡성(다른 색상 및 개체 크기 사용), 다른 이미지 품질/배경 등) 딥 러닝 접근 방식이 권장될 수 있습니다. JMP의 Python 통합 가능성을 사용하여 OpenCV, Scikit-Image, ...와 같은 이미지 전용 라이브러리를 사용할 수 있습니다.
이 첫 번째 답변이 도움이 되기를 바랍니다.
