Místo
Název práce anglicky
Comparison of the Impact of Noise on X-ray and MRI Image Classification Using ViT and CNN Architectures
Anotace
- Prostudujte architektury konvolučních neuronových sítí (CNN) a Vision Transformerů (ViT) určené pro klasifikaci obrazových dat. Stručně popište jejich principy a běžné varianty.
- Vyberte volně dostupné datasety RTG/MRI. U vybraných datasetů vytvořte kontrolované verze se šumem (např. Gaussovský, Poisson/shot, speckle, impulsní) v několika úrovních intenzity. Pro hodnocení šumu použijte např.Peak Signal-to-Noise Ratio (PSNR), případně Structural Similarity Index Measure (SSIM). Popište použité šumy.
- Implementujte a natrénujte modely: zvolte reprezentativní CNN baseline modely (např. ResNet/EfficientNet) a ViT baseline (např. ViT-B/16 či menší varianta). Popište použité konfigurace a tréninkové nastavení. Případně proveďte optimalizaci hyperparametrů.
- Vyhodnoťte výsledky na čistých i zašuměných datech, srovnejte výkon obou architektur napříč druhy a úrovněmi šumu a typu použitého datasetu. Prezentujte křivky výkonu v závislosti na úrovni šumu a přidejte analýzu chyb.
Vedoucí práce
Student
KOS