Přístupnostní navigace
E-přihláška
Vyhledávání Vyhledat Zavřít
Detail publikačního výsledku
KOLAŘÍK, M.
Originální název
Denoise pre-training for segmentation neural networks
Anglický název
Druh
Stať ve sborníku v databázi WoS či Scopus
Originální abstrakt
This paper proposes a method for pre-training segmentation neural networks on small datasets using unlabelled training data with added noise. The pre-training process helps the network with initial better weights settings for the training itself and also augments the training dataset when dealing with small labelled datasets especially in medical imaging. The experiment comparing results of pre-trained and not pre-trained networks on MRI brain segmentation task has shown that the denoise pre-training helps the network with faster training convergence without overfitting and achieving better results in all compared metrics even on very small datasets.
Anglický abstrakt
Klíčová slova
deep learning; denoising; neural network; pre-training; segmentation
Klíčová slova v angličtině
Autoři
Rok RIV
2020
Vydáno
25.04.2019
Nakladatel
Vysoké učení technické v Brně, Fakulta elektrotechniky a komunikačních technologií
Místo
Brno
ISBN
978-80-214-5735-5
Kniha
Proceedings of the 25th Conference STUDENT EEICT 2019
Strany od
739
Strany do
744
Strany počet
5
BibTex
@inproceedings{BUT157996, author="Martin {Kolařík}", title="Denoise pre-training for segmentation neural networks", booktitle="Proceedings of the 25th Conference STUDENT EEICT 2019", year="2019", pages="739--744", publisher="Vysoké učení technické v Brně, Fakulta elektrotechniky a komunikačních technologií", address="Brno", isbn="978-80-214-5735-5" }
Dokumenty
EEICT_Denoise_pretraining