Weakly supervised approaches for image classification in remote sensing and medical image analysis

Zayıf denetimli öğrenme (ZDÖ), çeşitli öğrenme problemlerini çözmek için gürültülü etiketler içeren verilerden faydalanmayı amaçlamaktadır. Biz ZDÖ yaklaşımlarını uzaktan algılama ve tıbbi görüntü analizi olmak üzere iki farklı alanda incelemekteyiz. Uzaktan algılama alanında, bir nesneyi birçok benzer alt kategoriden birine sınıflandırmayı amaçlayan çok kaynaklı ince taneli nesne tanıma problemine odaklanmaktayız. Bu problemde, verilen sınıf etiketine sahip bir nesne görüntüde bulunmakta, fakat nesnenin görüntü içindeki kesin konumu bilinmemektedir. Bu soruna ZDÖ perspektifinden yaklaşmakta ve iki paralel dal ile nesnelerin aynı anda lokalizasyonunu ve sınıflandırılmasını yapabilen tek kaynaklı bir derin öge dikkat modeli önermekteyiz. Daha sonra bu modeli, konum belirsizliği içermediği varsayılan bir referans kaynağın birden fazla kaynağın birleştirilmesine yardımcı olmak amacıyla kullanıldığı çok kaynaklı bir senaryoya uygun eklemelerle genişletmekteyiz. Önerilen tüm birleştirme stratejilerinin en gelişkin yöntemler ile karşılaştırıldığında daha yüksek doğruluk sağladığını ortaya koymaktayız. Ayrıca, her bir modeli çeşitli parametre karmaşıklık ayarlarında değerlendirerek derinlemesine bir karşılaştırma da yapmakta ve artan model kapasitesinin varsayılan kapasite ayarının daha üzerinde bir performans sergilediğini göstermekteyiz. Tıbbi görüntü analizi alanında, meme biyopsi tüm slaytlarından gelen değişken şekil ve boyutlardaki ilgi bölgeleri (İB) üzerinde meme kanseri sınıflandırması problemini ele almaktayız. Bu problemle ilgili yaklaşımlar tipik olarak İB'lerden örneklenen sabit boyutlu pencerelerin sınıflandırma sonuçlarının görüntü düzeyinde sınıflandırma puanları elde etmek için birleştirilmesi şeklinde olmaktadır. İlk olarak, İB'nin tamamının sınıflandırılması doğrultusunda, pencerelerden gelen bilginin komşu pencereler üzerinde kademeli bir şekilde iletilmesini amaçlayan bir çizge evrişimsel ağ (ÇEA) aracılığıyla yerel pencere arası bağlamdan faydalanmayı hedefleyen genel bir yöntem önermekteyiz. Zorlu bir veri kümesinde gerçekleştirdiğimiz 3 sınıflı bir İB sınıflandırma problemi üzerine yaptığımız deneylerde birkaç temel yaklaşımla yaptığımız kıyaslamalar sonucunda, önerilen modelin yaygın olarak kullanılan birleştirme kurallarından daha iyi performans sergilediğini göstermekteyiz. İkinci olarak, uzaktan algılama deneylerimizde kullandığımız ZDÖ sistemini yeniden gözden geçirip 4 sınıflı bir İB sınıflandırma problemine uygulamaktayız. Bu ZDÖ problemi için özel olarak tasarlanmış, İB çiftlerinden gelen pencere ve etiketleri birleştirerek öge dikkat modelinin birden çok etikete sahip örneklerden öğrenme yeteneğinden yararlanmayı amaçlayan yeni bir eğitim yöntemi önermekte ve bu önerilen yöntemin birkaç temel yaklaşıma kıyasla üstün performans sergilediğini gözlemlemekteyiz.