<?xml version="1.0"?>
<rdf:RDF xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#" xmlns:dc="http://purl.org/dc/elements/1.1/"><rdf:Description rdf:about="https://repozitorij.uni-lj.si/IzpisGradiva.php?id=167774"><dc:title>Samonadzorovano učenje za segmentacijo posameznih celic</dc:title><dc:creator>Gašperšič,	Arne	(Avtor)
	</dc:creator><dc:creator>Čehovin Zajc,	Luka	(Mentor)
	</dc:creator><dc:subject>segmentacija celic</dc:subject><dc:subject>mikroskopija</dc:subject><dc:subject>u-net</dc:subject><dc:subject>cellpose</dc:subject><dc:subject>samonadzorovano učenje</dc:subject><dc:subject>maskirni avtokodirnik</dc:subject><dc:description>V diplomski nalogi se ukvarjamo s problemom segmentacije instanc posameznih celic na mikroskopskih slikah.
Pri specifičnih zbirkah podatkov je ročno označevanje instanc drag in zamuden proces, zato želimo z uporabo samonadzorovanega učenja izboljšati segmentacije končnega modela.
Za nalogo segmentacije smo uporabili pristop Cellpose, za pred-učenje pa maskirni avtokodirnik.
Model temelji na arhitekturi U-Net in je bil v naši raziskavi preizkušen z več konvolucijskimi in transformerskim kodirnikom.
Primerjali smo pred-učenje po pristopu maskirnega avtokodirnika na domeni-specifičnih slikah in kodirnike, ki so bili drugače pred-učeni na naravnih slikah.
Rezultati poudarjajo pomen uporabe učnih podatkov, specifičnih za naše področje, ter osredotočanje na učenje globokih strukturnih vzorcev za najboljšo učinkovitost pred-učenja.</dc:description><dc:date>2025</dc:date><dc:date>2025-03-11 15:25:12</dc:date><dc:type>Diplomsko delo/naloga</dc:type><dc:identifier>167774</dc:identifier><dc:language>sl</dc:language></rdf:Description></rdf:RDF>