Отрывок: В рамках данной работы в качестве предобученной сверточной нейронной сети был использован класс моделей называемые как EfficientNets, которые в свою очередь, как предполагают ее авторы, порождаются после изменения разрешение изображений в сетке, масштабирование моделей (Скейлинг) и балансирование количество каналов сети [10]. Под операцией скейлинга понимают процесс, когда фиксируются производимые внутри архитектуры сверточной нейронной сети оп...
Название : Семантическая сегментация рентгенограмм легких на основе нейронной сети класса U-net
Авторы/Редакторы : Демин Н. С.
Ильясова Н. Ю.
Дата публикации : 2022
Библиографическое описание : Демин, Н. С. Семантическая сегментация рентгенограмм легких на основе нейронной сети класса U-net / Н. С. Демин, Н. Ю. Ильясова // Информационные технологии и нанотехнологии (ИТНТ-2022) : сб. тр. по материалам VIII Междунар. конф. и молодеж. шк. (г. Самара, 23 - 27 мая) : в 5 т. / М-во науки и образования Рос. Федерации, Самар. нац. исслед. ун-т им. С. П. Королева (Самар. ун-т), Ин-т систем обраб. изобр. РАН - фил. ФНИЦ "Кристаллография и фотоника" РАН. - Самара : Изд-во Самар. ун-та, 2022Т. 4: Искусственный интеллект / под ред. А. В. Никонорова. - 2022. - С. 041902.
Аннотация : В данной работе рассматривается семантическая сегментация рентгенограмм легких с использованием Transfer learning. Используется сеть типа U-net, у которой в качестве энкодера были взяты веса сети EfficientNet, предобученные на наборе ImageNet. В результате дообучения сети в течении 50 эпох была достигнута точность сегментации выше 90% для классов легкие и ребра, и 80% для класса сердце.
Другие идентификаторы : RU\НТБ СГАУ\491125
Ключевые слова: трансферное обучение
сегментация рентгенограмм
семантическая сегментация
рентгенограммы легких
нейронные сети
Располагается в коллекциях: Информационные технологии и нанотехнологии

Файлы этого ресурса:
Файл Размер Формат  
ИТНТ-2022. Том 4. Искусственный интеллект/978-5-7883-1792-2_2022-041902.pdf742.35 kBAdobe PDFПросмотреть/Открыть
Показать полное описание ресурса Просмотр статистики
Поделиться:



Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.