AI Toolkit Analyse d'images grâce à l'apprentissage automatique en sciences de la vie

Classificateurs forêt aléatoire (random forest) : Le pouvoir du vote majoritaire
ZEISS Intellesis Segmentation fonctionne avec un algorithme d'apprentissage automatique de classification des pixels appelé forêt aléatoire. Cet algorithme est basé sur des arborescences de décision qui peuvent classer les pixels sur la base d'un grand nombre de caractéristiques de pixels. Les forêts aléatoires utilisent plusieurs de ces arborescences et classent les pixels sur la base d'un vote majoritaire. Elles obtiennent ainsi une segmentation très robuste, nécessitent un minimum de données d'entraînement et apprennent beaucoup plus rapidement que les autres algorithmes.

Un réseau neuronal VGG19 alimentant les classificateurs de forêt aléatoire
Les classificateurs de forêt aléatoire standard peuvent manquer de connaissances du contexte (le « voisinage d'un pixel »), car elles s'appuient uniquement sur des filtres d'image standard. En introduisant les images dans un réseau neuronal VGG19 et en fournissant les cartes de caractéristiques au classificateur de forêt aléatoire, la vitesse de la forêt aléatoire peut être combinée à la reconnaissance d'images supérieure des réseaux neuronaux profonds. Il en résulte une meilleure connaissance du contexte et, par conséquent, de meilleurs résultats en matière de segmentation.