Porównanie metod samonadzorowanej segmentacji

Badanie ma na celu weryfikację dostępnych modeli segmentacji semantycznej obrazów, na przykładowym zbiorze dermatologicznych zmian skórnych. Modele badane będą w scenariuszu uczenia samonadzorowanego.
Zaplanowano replikację oryginalnych eksperymentów,
krytyczną weryfikację wyników oraz wyliczenie dodatkowych miar poprawności segmentacji, których autorzy nie uwzględniali w oryginalnych publikacjach.
Wykorzystywane metody opierają się m.in. na optymalnym doborze polityki maskowania w podejściu MIM bazującym na klastrach podobnych pikseli (superpixels) zamiast tradycyjnie wykorzystywanych prostokątnych wycinków.
Optymalizacja polityki (ilość regionów i masek) odbywa się przy użyciu wyników pobocznego zadania w celu uniknięcia ponownego treningu sieci dla każdego testowanego wariantu.