教師ありセグメンターを使用する

結果を取得するため、教師ありセグメンターは以下の手順を行います。

1. 各ピクセルに対して、教師ありセグメンターツールは各セグメンテーションラベルに属する可能性を計算します。
2. それらの可能性から、前景ブロブ（同一の前景セグメンテーションラベルに対応している可能性が高い隣接ピクセルのグループ）を抽出します。
3. それぞれの前景ブロブに対して：
□ スコアを計算します。
□ 予想セグメンテーションマップから教師ありセグメンターツールの閾値以下のスコアを持つブロブを取り除きます。
4. 画像のスコアは、前景ブロブのスコアの中で最大になります。

欠陥検知については、スコアが教師ありセグメンターツールの閾値以下の場合は欠陥がないものとしてみなされます。

In Deep Learning Studio:

● Add new images to the dataset and refresh the results.

● Open the Inference tests tab to apply the segmenter to new images and display detailed results for these images.
● 画像のセグメンテーションを可視化するには、画像ビューアーのResult (ALT + R)メニューからPredicted segmentation (CTRL + P)オプションをチェックします。

● 画像にグラウンドトゥルースがある場合、Ground truth segmentation (CTRL + G)オプションをチェックして表示します。緑色のパターンとして全体に描画されます。

    

グラウンドトゥルース（左）とグラウンドトゥルース上の予想（右）

● 全体の予想セグメンテーションをグラウンドトゥルースとして認めるには、Use prediction as ground truth (CTRL + U)ボタンをクリックします。
● 単一の予想ブロブをグラウンドトゥルースとして認める場合、ブロブを右クリックしてメニューからAccept into ground truthを選択します。

● A list of blobs with various characteristics is available in the Results tab of the image viewer.

APIでは：

● 教師ありセグメンターを画像に適用するには、を使用します。このメソッドは、オブジェクトを返します。
□ を使用して与えられたラベルに対する予想マップを回収します。予想マップピクセルには、予想ラベルのインデックスが含まれています。
□ を使用してトレーニングで使用されたデータセットのセグメンテーションラベルカラーでセグメンテーションを描画します。
□ を使用してフィルターされたブロブリストを取得します。
□ e を使用して画像ラベルのスコアを取得します。
□ を使用し指定したラベルのピクセルを含むオブジェクトを取得します。