Сегментация изображений на основе генеративной состязательной сети

Abstract

В работе предлагается алгоритм сегментации изображений на основе генеративной состязательной сети (GAN) с применением глубокой архитектуры U-Net. Для оценки качества сегментации применяются различные метрики, такие как: ошибка по модулю, квадратичная ошибка, процентная точность, Intersection over Union, визуальная оценка. Проведено сравнение качества обучения автономной нейронной сети UNet (без использования GAN) и U-Net в составе GAN в качестве генератора, на выборке данных ISBI 2012 EM Segmentation Challenge [1]. Из полученных результатов следует, что совместное применение U-Net в составе GAN дает прирост в точности сегментации.