U-Net: Convolutional Networks for Biomedical Image Segmentation
Encadrants : Vannary Meas-Yedid
Email : vannary@free.fr
Disponible : OUI
Spécialité : IMA
Nombre d'étudiants : 1
Description : Les réseaux de neurones profonds ont montré leur efficacité dans de nombreuses taches de reconnaissances visuelles. Mais, pour être efficaces, il leur faut une importante base de d’apprentissage. Récemment une nouvelle approche a été présentée reposant sur l’augmentation des données afin de permettre d’utiliser efficacement un faible volume de données d’apprentissage (données annotées disponibles) et une nouvelle architecture du réseau pour segmenter des images biologiques. Cette architecture en forme de U, se compose d’une première phase de contraction de l’image pour capturer le contexte et dans une seconde phase symétrique d’expansion pour permettre une bonne localisation.
Travail demandé : Après une étude bibliographique du sujet, le but est d’implémenter les méthodes d’augmentation de données, notamment les transformations élastique et de mettre en oeuvre cette architecture U-net pour segmenter des images histologiques en couleurs.
Fichiers complémentaires : u-net-convolutional-networks-for-biomedical-image-segmentation
