A. Note identificative Laureanda Ezeobi Francisca Chidubem Titolo della tesi: "Reti neurali profonde per segmentazione di polipi" Corso di laurea in Ingegneria Informatica Relatore: Prof. Nanni Loris B. Elementi di contenuto La finalità è l'applicazione delle reti neurali. In questo caso, ci si avvale di Mask R-CNN per l'individuazione dei polipi presenti nel tratto gastrointestinale. Prima di mostare, l'esperimento e i suoi risultati, sono stati brevemente spiegati alcuni ma importanti concetti teorici riguardante il machine learning e deep learning. I risultati di instance segmentation eseguiti sul dataset kvasir-SEG sono in parte buoni. Le reti addestrate con solver SGDM riescono abbastanza bene nell'individuazione dei polipi mentre quelle reti addestrate con solver Adam non riescono tanto. L'esperimento è stato svolto con l'aiuto del software Matlab

Reti neurali profonde per segmentazione di polipi

EZEOBI, FRANCISCA CHIDUBEM
2021/2022

Abstract

A. Note identificative Laureanda Ezeobi Francisca Chidubem Titolo della tesi: "Reti neurali profonde per segmentazione di polipi" Corso di laurea in Ingegneria Informatica Relatore: Prof. Nanni Loris B. Elementi di contenuto La finalità è l'applicazione delle reti neurali. In questo caso, ci si avvale di Mask R-CNN per l'individuazione dei polipi presenti nel tratto gastrointestinale. Prima di mostare, l'esperimento e i suoi risultati, sono stati brevemente spiegati alcuni ma importanti concetti teorici riguardante il machine learning e deep learning. I risultati di instance segmentation eseguiti sul dataset kvasir-SEG sono in parte buoni. Le reti addestrate con solver SGDM riescono abbastanza bene nell'individuazione dei polipi mentre quelle reti addestrate con solver Adam non riescono tanto. L'esperimento è stato svolto con l'aiuto del software Matlab
2021
Deep learning in polyp segmentation
Deep learning
Image segmantation
Polyp
File in questo prodotto:
File Dimensione Formato  
Ezeobi_FranciscaChidubem.pdf

accesso riservato

Dimensione 1.15 MB
Formato Adobe PDF
1.15 MB Adobe PDF

The text of this website © Università degli studi di Padova. Full Text are published under a non-exclusive license. Metadata are under a CC0 License

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.12608/37998