Explore les techniques de segmentation dans l'analyse d'images, y compris le seuillage, le clustering, la croissance régionale et l'apprentissage automatique.
Explore des systèmes d'images basés sur des concepts, basés sur des entités et basés sur des connexions en perspective, en mettant l'accent sur l'analyse des relations graphiques et visuelles entre les images.
Discute de l'analyse des textures dans les images, en se concentrant sur les propriétés statistiques et structurelles, les techniques de segmentation et les applications d'apprentissage automatique pour la classification des textures.
Explore le traitement d'images en 2D et 3D, couvrant les conditions d'imagerie idéales, l'analyse d'histogrammes, les outils, les étapes de reconstruction 3D et la visualisation.
Explore la classification des images en utilisant des arbres de décision et des forêts aléatoires pour réduire la variance et améliorer la robustesse du modèle.
Discute de l'analyse de l'intensité et de la localisation dans les images avec des canaux fluorescents pour les changements d'expression des protéines.
Explore la composition, la mise en commun, la continuité, la dénigrement et les architectures CNN populaires pour la segmentation de l'image dans le traitement de l'image.
Couvre les réseaux neuronaux convolutifs, les architectures standard, les techniques de formation et les exemples contradictoires en apprentissage profond.
