Few-shot object detection of bacteria colonies
Tämä opinnäytetyö pyrkii tutkimaan ja soveltamaan erilaisia lähestymistapoja vähäotos-tunnistamiseen bakteeripesäkkeiden havaitsemisessa.
Bakteerien tunnistaminen on tärkeä aihe monilla aloilla. Perinteisiä menetelmiä ovat kemiallinen analyysi ja erilaiset kuvankäsittelyalgoritmit. Tämä opinnäytetyö tutkii syväoppimisen lähestymistapaa valittuun ongelmaan löytääkseen yksinkertaisen ja tehokkaan ratkaisun.
Koska manuaalinen datankeruu on työlästä, tässä opinnäytetyössä keskitytään kehittämään lähestymistapaa vähäotos-tunnistamiseen, joka on optimoitu vähäiselle koulutusdatalle, alle kymmenelle merkitylle kuvalle.
Opinnäytetyössä tutkitaan ja hyödynnetään erilaisia tekniikoita, sekä malli- että datakeskeisiä, tehokkaimman ratkaisun löytämiseksi. Siinä käsitellään ja arvioidaan menetelmiä, kuten datan parannusta, metaoppimista ja neuroverkon hienosäätämistä.
Käytännön osassa pääpaino on hienosäätömenetelmien tutkiminen yhdessä datan parannusten, kuten erilaisten hienosäätöjen ja vastaavanlaisen lisädatan kanssa ja lopulta niiden suorituskyvyn vertaamisessa ja analysoinnissa.
Tulokset osoittavat, että hienosäätö on tehokas ja yksinkertainen strategia vähäotoskoulutukseen, erityisesti kun sitä yhdistetään muihin menetelmiin. Vastaavanlaisen lisädatan sisällyttäminen parantaa merkittävästi mallin suorituskykyä, ja datan hienosäädöt osoittavat myös hyviä tuloksia tietojoukon laajentamisessa.
Tämä työ edistää vähäotosoppimisen soveltamista datarajoitteisissa ympäristöissä. Ottaen huomioon bakteerien havaitsemisen haasteellisuuden, saadut tulokset ovat potentiaalisesti arvokkaita useilla aloilla ja sovelluksissa.
...
This thesis aims to research and apply various approaches to few-shot object detection to address the real-life problem of detecting bacterial colonies. Bacteria detection is an important topic across multiple fields. Traditional methods include chemical analysis and various image processing algorithms. This thesis investigates the development of the deep learning approach to the selected problem in order to find simple and effective solution.
Since manual data collection is a laborious task, this work puts emphasis on few-shot object detection, focusing on developing an approach optimized for minimal training data with less than 10 labeled images.
Various techniques, both model- and data-centric, are researched and utilized to identify the most efficient solution. Methods such as data augmentations, meta-learning, and fine-tuning are discussed and evaluated. The main emphasis of the practical part is on exploring the fine-tuning approach, together with data enhancements such as various augmentations and the use of additional close-domain data, and eventually comparing and analyzing their performance.
The findings suggest that fine-tuning is an effective and simple strategy for few-shot training, particularly when combined with other methods. Incorporating close-domain data significantly enhances model performance, and data augmentations also show good results in expanding the dataset size.
This work advances the application of few-shot learning in data-constrained environments. Given the specific challenge of bacteria detection, the insights gained are potentially valuable across multiple fields and applications.
...
![showless](/themes/JYX2//images/showless.png)
![showmore](/themes/JYX2//images/showmore.png)
![showless](/themes/JYX2//images/showless.png)
![showmore](/themes/JYX2//images/showmore.png)
Metadata
Näytä kaikki kuvailutiedotKokoelmat
- Pro gradu -tutkielmat [28907]
Lisenssi
Samankaltainen aineisto
Näytetään aineistoja, joilla on samankaltainen nimeke tai asiasanat.
-
Mnemonic ‘Boundary Objects’ and Postcolonial Restitution : The Story of Three Greenlandic Tupilait
Zolkos, Magdalena (Walter de Gruyter GmbH, 2023)Drawing on new materialist and object-centered historical criticism, this article analyses colonial and post-colonial discourses of the Greenlandic figurines of the mythical being of ill-wishing and revenge, tupilak (plural ... -
State-of-the-art object detection model for detecting CCTV and video surveillance cameras from images and videos
Turtiainen, Hannu-Tapani (2020)As the current GDPR law in the EU prohibits unnecessary use of CCTV cameras in public places, and privacy concerns of smart CCTV cameras have been raised, CCTV cameras cannot be regarded as just easy tools to help secure ... -
Revolutionizing Gram-negative bacteria detection : FLIM and multicolor imaging based selective interaction study using colistin passivated carbon dots
Pathak, Abhishek; Navaneeth, Punnakkal; Gupta, Monika; Pradeep, Aarathi; Nair, Bipin G.; Suneesh, Punathil Vasu; Elangovan, Ravikrishnan; Sundberg, Lotta-Riina; Marjomäki, Varpu; Satheesh Babu, T. G. (Elsevier, 2023)The rising prevalence of antibiotic-resistant Gram-negative bacteria presents a major challenge for healthcare and requires the development of new and effective detection techniques. In this study, we present a novel and ... -
Estimating Tree Health Decline Caused by Ips typographus L. from UAS RGB Images Using a Deep One-Stage Object Detection Neural Network
Kanerva, Heini; Honkavaara, Eija; Näsi, Roope; Hakala, Teemu; Junttila, Samuli; Karila, Kirsi; Koivumäki, Niko; Alves Oliveira, Raquel; Pelto-Arvo, Mikko; Pölönen, Ilkka; Tuviala, Johanna; Östersund, Madeleine; Lyytikäinen-Saarenmaa, Päivi (MDPI, 2022)Various biotic and abiotic stresses are causing decline in forest health globally. Presently, one of the major biotic stress agents in Europe is the European spruce bark beetle (Ips typographus L.) which is increasingly ... -
Evaluating the sensitivity of lightweight object detection models against adversarial perturbations
Mäyrä, Ville-Matti (2022)Syväoppivat neuroverkot ovat viime vuosina olleet yleisin käytetty menetelmä hahmontunnistuksessa niiden tarjotessa merkittäviä parannuksia suorituskykyyn sekä tunnistusten tarkkuuteen. Samanaikaisesti IoT-teknologia on ...
Ellei toisin mainittu, julkisesti saatavilla olevia JYX-metatietoja (poislukien tiivistelmät) saa vapaasti uudelleenkäyttää CC0-lisenssillä.