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.
Todos os trabalhos são de acesso livre, sendo que a detenção dos direitos concedidos aos trabalhos são de propriedade da Revista dos Trabalhos de Iniciação Científica da UNICAMP.