Поставленные задачи

• Обучение и последующее применение модели YOLOv5 для детекции и классификации опухулей мозга
• Обучение и последующее применение модели автоэнкодера для очищения документов от шумов
• Обучение и последующее применение модели Unet для семантической сегментации леса с аэрокосмических снимков

Реализация:

• Для обучения модели YOLOv5 был использован датасет

  • Number of images for training: 310 элементов
  • Batch size: 16
  • Epoches: 800

• Для обучения модели автоэнкодера был использован датасет

  • Number of images for training: 982 элемента
  • Batch size: 16
  • Epoches: 800

• Для обучения модели Unet был использован датасет

  • Number of images for training: 5109 элементов
  • Model: однослойная
  • Batch size: 16
  • Epoches: 10
  • Learning rate: адаптивный

• Деплой моделей на платформу для визуализации Streamlit