RT info:eu-repo/semantics/bachelorThesis
T1 Generative adversarial networks for electron microscopy image segmentation
A1 Herreros Fraile, Eduardo
A2 Universidad de Valladolid. Escuela de Ingenierías Industriales
K1 Red neuronal
K1 Red generativa antagónica
K1 UNet
K1 Segmentación,
K1 Células
K1 3311.02 Ingeniería de Control
AB El objetivo de este trabajo es estudiar la conveniencia del “entrenamiento adversario” parala segmentación de imágenes de microscopio electrónico, buscando reducir el esfuerzo deetiquetado y la necesidad de ser experto en el campo. El estudio se realiza sobre el datasetCREMI. Inicialmente se implementan diferentes modelos de aprendizaje supervisado, pormedio de la arquitectura UNet de 2 y 3 dimensiones, fijando una referencia. A continuación,se explora la respuesta de nuestro dataset al entrenamiento no supervisado por medio dela arquitectura Style-Gan. Finalmente se opta por el framework Boundless, con el objetivode que las representaciones, texturas y estructuras aprendidas durante la tarea auxiliar deextensión de imagen sean útiles para aplicar transferencia de aprendizaje en la tareaprincipal de segmentar o detectar las membranas de las células.
YR 2021
FD 2021
LK https://uvadoc.uva.es/handle/10324/49507
UL https://uvadoc.uva.es/handle/10324/49507
LA eng
NO Departamento de Ingeniería de Sistemas y Automática
DS UVaDOC
RD 03-mar-2025