Сегментация изображений на основе генеративной состязательной сети
| Parent link: | Молодежь и современные информационные технологии.— 2020.— [С. 25-26] |
|---|---|
| Автор: | |
| Співавтор: | |
| Інші автори: | , |
| Резюме: | Заглавие с титульного экрана В работе предлагается алгоритм сегментации изображений на основе генеративной состязательной сети (GAN) с применением глубокой архитектуры U-Net. Для оценки качества сегментации применяются различные метрики, такие как: ошибка по модулю, квадратичная ошибка, процентная точность, Intersection over Union, визуальная оценка. Проведено сравнение качества обучения автономной нейронной сети UNet (без использования GAN) и U-Net в составе GAN в качестве генератора, на выборке данных ISBI 2012 EM Segmentation Challenge [1]. Из полученных результатов следует, что совместное применение U-Net в составе GAN дает прирост в точности сегментации. |
| Мова: | Російська |
| Опубліковано: |
2020
|
| Серія: | Компьютерное моделирование и интеллектуальный анализ данных |
| Предмети: | |
| Онлайн доступ: | http://earchive.tpu.ru/handle/11683/62191 |
| Формат: | Електронний ресурс Частина з книги |
| KOHA link: | https://koha.lib.tpu.ru/cgi-bin/koha/opac-detail.pl?biblionumber=631111 |
| Резюме: | Заглавие с титульного экрана В работе предлагается алгоритм сегментации изображений на основе генеративной состязательной сети (GAN) с применением глубокой архитектуры U-Net. Для оценки качества сегментации применяются различные метрики, такие как: ошибка по модулю, квадратичная ошибка, процентная точность, Intersection over Union, визуальная оценка. Проведено сравнение качества обучения автономной нейронной сети UNet (без использования GAN) и U-Net в составе GAN в качестве генератора, на выборке данных ISBI 2012 EM Segmentation Challenge [1]. Из полученных результатов следует, что совместное применение U-Net в составе GAN дает прирост в точности сегментации. |
|---|