Segmentation در تصاویر

Image Segmentation یا بخش‌بندی تصویر یکی از مهم‌ترین مفاهیم در بینایی ماشین (Computer Vision) است که هدف آن تقسیم تصویر به نواحی معنادار و مشخص‌کردن پیکسل‌های متعلق به هر ناحیه است.

5

Segmentation چیست؟

فرض کنید یک تصویر شامل یک خودرو، خیابان، درخت و آسمان باشد.

در Classification فقط می‌گوییم:

این تصویر شامل خودرو است.

در Object Detection می‌گوییم:

خودرو در این قسمت تصویر قرار دارد.

اما در Segmentation مشخص می‌کنیم:

دقیقاً کدام پیکسل‌ها متعلق به خودرو هستند.

یعنی خروجی Segmentation معمولاً یک Mask است که برای هر پیکسل مشخص می‌کند به چه شیء یا ناحیه‌ای تعلق دارد.

---

انواع اصلی Image Segmentation

۱. Semantic Segmentation

در Semantic Segmentation، تمام پیکسل‌های متعلق به یک کلاس، یک برچسب مشترک دریافت می‌کنند.

مثلاً:

Sky       → آسمان
Road      → جاده
Car       → خودرو
Person    → انسان
Building  → ساختمان

اگر در تصویر سه خودرو وجود داشته باشد، هر سه با برچسب Car مشخص می‌شوند و از یکدیگر تفکیک نمی‌شوند.

کاربردها:

• خودروهای خودران
• تحلیل تصاویر ماهواره‌ای
• پزشکی
• تشخیص جاده
• تحلیل محیط

---

۲. Instance Segmentation

در Instance Segmentation علاوه بر تشخیص کلاس، هر نمونه از یک شیء به‌صورت جداگانه مشخص می‌شود.

مثلاً اگر پنج خودرو داشته باشیم:

Car #1 → Mask 1
Car #2 → Mask 2
Car #3 → Mask 3
Car #4 → Mask 4
Car #5 → Mask 5

بنابراین حتی اگر دو خودرو کنار هم باشند، مدل می‌تواند آنها را از هم تفکیک کند.

یکی از مدل‌های معروف این حوزه Mask R-CNN است.

---

۳. Panoptic Segmentation

Panoptic Segmentation ترکیبی از Semantic و Instance Segmentation است.

برای اشیای قابل‌شمارش، مانند خودرو و انسان، هر Instance جدا می‌شود:

Person 1
Person 2
Car 1
Car 2

اما برای بخش‌های پس‌زمینه مانند:

Sky
Road
Grass
Building

یک برچسب معنایی اختصاص داده می‌شود.

---

تفاوت Classification، Detection و Segmentation

روش	خروجی
Classification	کلاس تصویر
Object Detection	کلاس + Bounding Box
Semantic Segmentation	کلاس هر پیکسل
Instance Segmentation	کلاس + Mask برای هر شیء
Panoptic Segmentation	Semantic + Instance

مثلاً برای یک تصویر از یک انسان:

Classification
       ↓
     Person

Detection
       ↓
   ┌──────────┐
   │  Person  │
   └──────────┘

Segmentation
       ↓
   ███████
   ███████
    █████
     ███

---

مدل‌های معروف Segmentation

امروزه مدل‌های مختلفی برای Segmentation استفاده می‌شوند:

U-Net

یکی از معروف‌ترین معماری‌ها، مخصوصاً در تصاویر پزشکی.

ساختار کلی:

Image
  ↓
Encoder
  ↓
Features
  ↓
Decoder
  ↓
Segmentation Mask

U-Net به دلیل وجود Skip Connection می‌تواند جزئیات مکانی تصویر را بهتر حفظ کند.

---

Mask R-CNN

برای Instance Segmentation بسیار معروف است.

ساختار مفهومی:

Image
  ↓
Backbone
  ↓
Region Proposal
  ↓
 ┌──────────────┐
 ↓       ↓      ↓
Class   Box    Mask

---

DeepLab

خانواده‌ای از مدل‌های قدرتمند برای Semantic Segmentation است که از تکنیک‌هایی مانند Atrous/Dilated Convolution استفاده می‌کند.

---

YOLO Segmentation

نسخه‌های جدید خانواده YOLO علاوه بر Detection می‌توانند Mask نیز تولید کنند.

برای پروژه‌هایی که سرعت اهمیت زیادی دارد، YOLO Segmentation گزینه جذابی است.

---

SAM

یکی از رویکردهای جدیدتر، Segment Anything Model (SAM) است.

ایده اصلی SAM این است که بتواند اشیای موجود در تصاویر را بر اساس ورودی‌هایی مانند:

• نقطه
• Bounding Box
• Mask
• Prompt

Segment کند.

---

مثال ساده

فرض کنید تصویر زیر را داریم:

┌─────────────────────────┐
│         SKY             │
│                         │
│       🚗       🚗       │
│                         │
│──────── ROAD ───────────│
│                         │
└─────────────────────────┘

Semantic Segmentation می‌تواند خروجی‌ای شبیه این ایجاد کند:

Sky  → Class 1
Car  → Class 2
Road → Class 3

اما Instance Segmentation:

Car 1 → Instance 1
Car 2 → Instance 2

را تولید می‌کند.

---

کاربردهای Segmentation

🏥 پزشکی

یکی از مهم‌ترین کاربردها:

• تشخیص تومور
• جداسازی اندام‌ها
• تحلیل MRI
• CT Scan
• تشخیص سلول‌ها
• تحلیل تصاویر X-Ray

مثلاً:

MRI
 ↓
Segmentation Model
 ↓
Tumor Mask

---

🚗 خودروهای خودران

خودرو باید بتواند محیط اطراف خود را به نواحی مختلف تقسیم کند:

Road
Sidewalk
Car
Person
Traffic Sign
Building
Sky
Vegetation

---

🛰 تصاویر ماهواره‌ای

برای شناسایی:

• ساختمان‌ها
• جاده‌ها
• زمین کشاورزی
• آب
• جنگل
• مناطق شهری

استفاده می‌شود.

---

🛒 فروشگاه‌های آنلاین

می‌توان از Segmentation برای حذف پس‌زمینه محصول استفاده کرد:

Product Image
      ↓
Segmentation
      ↓
Product Mask
      ↓
Background Removal

---

معیارهای ارزیابی

برای ارزیابی مدل‌های Segmentation معمولاً معیارهایی مانند IoU و Dice Score استفاده می‌شوند.

IoU

به‌صورت ساده:

IoU = Intersection / Union

اگر Mask واقعی و Mask پیش‌بینی‌شده تقریباً روی هم قرار بگیرند، IoU به ۱ نزدیک می‌شود.

مثلاً:

IoU = 0.90

یعنی تطابق بسیار خوبی وجود دارد.

---

Dice Score

معیار رایج دیگر:

Dice = 2 × Intersection / (Prediction + Ground Truth)

این معیار به‌خصوص در Medical Image Segmentation بسیار پرکاربرد است.

---

یک Pipeline واقعی

یک پروژه Segmentation معمولاً چنین ساختاری دارد:

                Dataset
                   │
                   ▼
             Image + Mask
                   │
                   ▼
             Preprocessing
                   │
                   ▼
              Model Training
                   │
                   ▼
              Validation
                   │
                   ▼
             IoU / Dice
                   │
                   ▼
               Inference
                   │
                   ▼
             Segmentation Mask

برای شروع عملی، یک Stack مناسب می‌تواند این باشد:

Python
   +
PyTorch
   +
OpenCV
   +
Albumentations
   +
U-Net / YOLO Segmentation

اگر هدفت یادگیری عملی Segmentation با Python و ساخت یک پروژه واقعی باشد، بهترین مسیر معمولاً این است که از U-Net روی یک Dataset ساده شروع کنیم و بعد به YOLO Segmentation و SAM برسیم.