Исследование модели сверточной нейронной сети Mo-U-Net с робастной функции потерь Хьюбера в условиях зашумленных изображений

Abstract

Исследуется эффективность модели сверточной нейронной сети Mo-U-Net при наличии импульсных помех на изображениях. Модель обучается с применением робастной функции потерь (РФП) Хьюбера при решении задачи попиксельной классификации зашумленных помехами изображений пораженных деревьев пихты. Результаты исследований позволили рекомендовать РФП Хьюбера к использованию при обучении этой модели для работы с зашумленными изображениями