Streszczenie:
W pracy opisane są dwa zagadnienia zastosowania algorytmów uczenia
maszynowego dla obrazów- segmentacja obrazu oraz detekcja obiektów.
Algorytmy opisane w pracy wykorzystują uczenie z nadzorem oraz głębokie
sieci neuronowe, w szczególności sieci konwolucyjne.
Pierwszym zagadnieniem przedstawionym w pracy jest segmentacja guzów
w sekwencjach obrazów pochodzących z badań głowy uzyskanych dzięki
obrazowaniu rezonansu magnetycznego. Do realizacji segmentacji obrazu,
użyłem sieci neuronowej o architekturze U-Net.
Drugim zagadnieniem jest detekcja zębów w dwuwymiarowych obrazachrzutach
okluzyjnych szczęki i żuchwy trójwymiarowych ortodontycznych modeli
diagnostycznych. Do realizacji tego zagadnienia wykorzystałem Tensorflow
Object Detection API wraz z architekturą sieci typu Faster Region Based
Convolutional Neural Network (Faster R-CNN).
