Search academic texts

Information × Registration Number 2123U011509, Article popup.category Опубліковано, Стаття Title IMAGE SEGMENTATION WITH A CONVOLUTIONAL NEURAL NETWORK WITHOUT POOLING LAYERS IN DERMATOLOGICAL DISEASE DIAGNOSTICS SYSTEMS popup.author Полякова М. В.Polyakova M. V. popup.publication 25-02-2023 popup.source_user Журнал "Радіоелектроніка, інформатика, управління" (Національний університет "Запорізька політехніка") popup.source https://ric.zp.edu.ua/article/view/274482 popup.publisher National University "Zaporizhzhia Polytechnic" Description Актуальність. Розглянуто задачу автоматизації процесу сегментації спектрально-статистичних текстурних зображень. Об’єктом дослідження є обробка зображень у системах діагностики дерматологічних захворювань. Метою дослідження є покращення якості сегментації кольорових псоріазних зображень шляхом розробки згорткової нейронної мережі глибокого навчання без пулінгових шарів. Метод. Запропоновано згорткову нейронну мережу для обробки трьохканального псоріазного зображення заданого розміру. Початкові кольорові зображення було масштабовано до заданого розміру, а потім подано на вхідний шар нейронної мережі. Архітектура запропонованої нейронної мережі складається з чотирьох згорткових шарів з пакетною нормалізацією та функцією активації ReLU. Карти ознак із виходу цих шарів передавалися до згорткового шару 1*1 з функцією активації Softmax. Отримані карти ознак подавалися до шару класифікації пікселів зображення. При сегментуванні зображень згорткові та пулінгові шари оцінюють ознаки фрагментів зображення, а повністю зв’язані шари класифікують отримані вектори ознак, виконуючи розбиття зображення на однорідні сегменти. Ознаки сегментації оцінювалися в результаті навчання мережі а допомогою зображень, сегментованих експертом. Отримані ознаки стійкі до завад та спотворень зображень. Об’єднання результатів сегментації в різних масштабах визначається архітектурою мережі. Пулінгові шари включалися в архітектуру запропонованої згорткової нейронної мережі, оскільки вони зменшують розмір карт ознак порівняно з розміром початкового зображення та можуть знизити якість сегментації невеликих псоріазних плям та псоріазних плям складної форми. Результати. Запропоновану згорткову нейронну мережу реалізовано програмно і досліджено при вирішенні задачі сегментації псоріазних зображень. Висновки. Використання запропонованої згорткової нейронної мережі дозволило підвищити якість сегментації зображень бляшкового та крапельного псоріазу, особливо на границях плям. Перспективи подальших досліджень можуть полягати у дослідженні якості сегментації зображень запропонованою згортковою нейронною мережею, якщо на дерматологічних зображеннях присутні різкі зміни кольору та освітленості, розмиття, а також фрагменти складного фону, наприклад, що містять одяг або фрагменти інтер’єру. Доцільно. використовувати запропоновану згорткову нейронну мережу в інших задачах обробки кольорових зображень для сегментації статистичних або спектрально-статистичних текстурних областей на однорідному або текстурованому фоні. popup.nrat_date 2026-02-27 Close