Palavras-chave
Aprendizado profundo
Melanoma
Como Citar
Resumo
Esse projeto de pesquisa teve como objetivo o estudo de arquiteturas de redes generativas adversariais (GANs) para a geração de imagens sintéticas de lesões de câncer de pele, com foco principal na validação das diferentes métricas de avaliação para essas arquiteturas.
Referências
I. Goodfellow, J. Pouget-Abadie, M. Mirza, B. Xu, D. Warde-Farley, S. Ozair, A. Courville, and Y. Bengio, “Generative adversarial nets”, NIPS, 2014.
T. Salimans, I. Goodfellow, W. Zaremba, V. Cheung, A. Radford, and X. Chen, “Improved techniques for training gans,” in NIPS, 2016.
M. Heusel, H. Ramsauer, T. Unterthiner, B. Nessler, and S. Hochreiter, “Gans trained by a two time-scale update rule converge to a local nash equilibrium,” in NIPS, 2017.
T. Karras, T. Aila, S. Laine,andJ.Lehtinen,“Progressive growing of gans for improved quality, stability, and variation,” ICLR, 2018.
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
Copyright (c) 2019 Revista dos Trabalhos de Iniciação Científica da UNICAMP