Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

On Improving 3D U-net Architecture

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F19%3A00332644" target="_blank" >RIV/68407700:21230/19:00332644 - isvavai.cz</a>

  • Výsledek na webu

    <a href="https://www.scitepress.org/PublicationsDetail.aspx?ID=ZmJ8fAjUpDc%3d&t=1" target="_blank" >https://www.scitepress.org/PublicationsDetail.aspx?ID=ZmJ8fAjUpDc%3d&t=1</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.5220/0007830306490656" target="_blank" >10.5220/0007830306490656</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    On Improving 3D U-net Architecture

  • Popis výsledku v původním jazyce

    This paper presents a review of various techniques for improving the performance of neural networks on segmentation task using 3D convolutions and voxel grids – we provide comparison of network with and without max pooling, weighting, masking out the segmentation results, and oversampling results for imbalanced training dataset. We also present changes to 3D U-net architecture that give better results than the standard implementation. Although there are many out-performing architectures using different data input, we show, that although the voxel grids that serve as an input to the 3D U-net, have limits to what they can express, they do not reach their full potential.

  • Název v anglickém jazyce

    On Improving 3D U-net Architecture

  • Popis výsledku anglicky

    This paper presents a review of various techniques for improving the performance of neural networks on segmentation task using 3D convolutions and voxel grids – we provide comparison of network with and without max pooling, weighting, masking out the segmentation results, and oversampling results for imbalanced training dataset. We also present changes to 3D U-net architecture that give better results than the standard implementation. Although there are many out-performing architectures using different data input, we show, that although the voxel grids that serve as an input to the 3D U-net, have limits to what they can express, they do not reach their full potential.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

  • OECD FORD obor

    10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Návaznosti výsledku

  • Projekt

    Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.

  • Návaznosti

    P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Ostatní

  • Rok uplatnění

    2019

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název statě ve sborníku

    Proceedings of the 14th International Conference on Software Technologies

  • ISBN

    978-989-758-379-7

  • ISSN

  • e-ISSN

  • Počet stran výsledku

    8

  • Strana od-do

    649-656

  • Název nakladatele

    SciTePress - Science and Technology Publications

  • Místo vydání

    Porto

  • Místo konání akce

    Praha

  • Datum konání akce

    26. 7. 2019

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku