Segmentace obrazu pomocí neuronových sítí

Abstract

Tato práce se zabývá segmentací obrazu za využití neuronových sítí. Začátek práce se zabývá problematikou segmentování s několika existujícími metodami nevyužívající neuronových sítí. Následně se práce již zaměřuje na neuronové sítě, jejich strukturu, funkcionalitu a využití pro segmentaci s analýzou několika vybraných architektur. Vybranými architekturami jsou U-Net (2015), DoubleU-Net (2020) a ResUNet++ (2019), a byly implementovány do programu, který je umožňuje učit na různých datech a využít za účelem segmentace. V konečné části práce se potom porovnávají výsledky mezi jednotlivými architekturami z učení a segmentace na Carvana a IMCDB datasetu. Nejlepších výsledků dosáhla architektura DoubleU-Net s Jaccard index hodnotou 0.9883 pro Carvana dataset a 0.9383 pro IMCDB dataset.