| |
|
Using advanced segmentation methods for images from TEM microscopes
Mocko, Štefan ; Chmelík, Jiří (referee) ; Potočňák, Tomáš (advisor)
Tato magisterská práce se zabývá využitím konvolučních neuronových sítí pro segmentační účely v oblasti transmisní elektronové mikroskopie. Také popisuje zvolenou topologii neuronové sítě - U-NET, použíté augmentační techniky a programové prostředí. Firma Thermo Fisher Scientific (dříve FEI Czech Republic s.r.o) poskytla obrazová data pro účely této práce. Získané segmentační výsledky jsou prezentovány ve formě křivek (ROC, PRC) a ve formě numerických hodnot (ARI, DSC, Chybová matice). Zvolená UNET topologie dosáhla excelentních výsledků v oblasti pixelové segmentace. S největší pravděpodobností, budou tyto výsledky sloužit jako odrazový můstek pro interní firemní výzkum.
|
|
U-Net Convolutional Neural Network For Tem
Image Segmentation
Mocko, Štefan
This work deals with the use of a convolutional neural network in the area of segmentation of images acquired with the use of a transmission electron microscope. Paper describes programming tool for image data augmentation, used neural network topology, and it also provides information about model training. This neural network topology delivered excellent results on provided data from the Thermo Fisher Scientific company, which will serve as a starting point for internal company research in image segmentation area.
|
|
Using advanced segmentation methods for images from TEM microscopes
Mocko, Štefan ; Chmelík, Jiří (referee) ; Potočňák, Tomáš (advisor)
Tato magisterská práce se zabývá využitím konvolučních neuronových sítí pro segmentační účely v oblasti transmisní elektronové mikroskopie. Také popisuje zvolenou topologii neuronové sítě - U-NET, použíté augmentační techniky a programové prostředí. Firma Thermo Fisher Scientific (dříve FEI Czech Republic s.r.o) poskytla obrazová data pro účely této práce. Získané segmentační výsledky jsou prezentovány ve formě křivek (ROC, PRC) a ve formě numerických hodnot (ARI, DSC, Chybová matice). Zvolená UNET topologie dosáhla excelentních výsledků v oblasti pixelové segmentace. S největší pravděpodobností, budou tyto výsledky sloužit jako odrazový můstek pro interní firemní výzkum.
|
| |