Projeto de iniciação científica, oferecida pela bolsa CNPQ, desde agosto de 2020 com vigência até agosto de 2021. Esse projeto estuda o desempenho de dois modelos de redes neurais para segmentação de imagens médicas de dois modelos de redes neurais Unet e EffUnet e foi comparado seus desempenhos. Para o conjunto de dados, foi utilizado a base de núcleos do kaggle e a base de vasos sanguíneos da retina do DRIVE. Para o código, foi feito em python, utilizando tensorflow 2.5 e uma GPU NVIDIA GTX 1070 para essa parte.
-
Notifications
You must be signed in to change notification settings - Fork 0
Projeto de iniciação científica, oferecida pela bolsa CNPQ, desde agosto de 2020 com vigência até agosto de 2021. Esse projeto estuda o desempenho de dois modelos de redes neurais para segmentação de imagens médicas de dois modelos de redes neurais Unet e EffUnet e foi comparado seus desempenhos. Para o conjunto de dados, foi utilizado a base de…
borin98/Efficient-Unet-Um-aprimoramento-em-modelos-do-tipo-U-net
Folders and files
Name | Name | Last commit message | Last commit date | |
---|---|---|---|---|
Repository files navigation
About
Projeto de iniciação científica, oferecida pela bolsa CNPQ, desde agosto de 2020 com vigência até agosto de 2021. Esse projeto estuda o desempenho de dois modelos de redes neurais para segmentação de imagens médicas de dois modelos de redes neurais Unet e EffUnet e foi comparado seus desempenhos. Para o conjunto de dados, foi utilizado a base de…
Resources
Stars
Watchers
Forks
Releases
No releases published
Packages 0
No packages published