462
правки
Изменения
→Улучшение качества изображений
Зачастую изображения, полученные с помощью микроскопии, не имеют достаточно хорошее для дальнейшей работы качество. Сверточные сети, которые улучшают качество уже имеющихся снимков, не имеют отличий, связанных со специфичностью изображений.
Гораздо более интересная задача компьютерного зрения состоит в том, чтобы сразу получать более четкие изображения. При покадровой съемке длительного непрерывного процесса необходимо постоянно следить за положением фокуса микроскопа, чтобы не получать размытые изображения. Процесс выставления фокуса можно автоматизировать, построив сеть, которая будет предсказывать нужное положение. Эту задачу можно свести к задаче классификации изображений по фокусному расстоянию во время съемки. Для ее решения используется сверточная сеть, которая состоит из двух блоков свертки и двух полносвязных блоков для классификации<ref>[https://www.nature.com/articles/s41598-018-25458-w/ Ling Wei— Reconstructing cell cycle and disease progression using deep learning, 2018]</ref>.
[[Файл:Autofocus cnn.png|center|700px|thumb|(a) Архитектура сверточной нейронной сети для предсказывания положения фокуса микроскопа из [https://www.nature.com/articles/s41598-018-25458-w/ статьи].
(b) Примеры изображений с разным фокусным расстоянием.]]
Такая сверточная сеть показывает большую точность, чем группа людей-экспертов. По сравнению с другими подходами к автофокусировке, сеть не требует физической калибровки и устойчива к шуму, оптическим артефактам и особенностям, отличным от ячеек<ref>[https://www.nature.com/articles/s41598-018-25458-w/ Ling Wei— Reconstructing cell cycle and disease progression using deep learning, 2018]</ref>.
= См. также =
