Szczegóły publikacji
Opis bibliograficzny
Using super-resolution for enhancing visual perception and segmentation performance in veterinary cytology / Jakub CAPUTA, Maciej WIELGOSZ, Daria ŁUKASIK, Paweł RUSSEK, Jakub GRZESZCZYK, Michał KARWATOWSKI, Szymon MAZUREK, Rafał FRĄCZEK, Anna Śmiech, Ernest JAMRO, Sebastian KORYCIAK, Agnieszka DĄBROWSKA-BORUCH, Marcin PIETROŃ, Kazimierz WIATR // Life [Dokument elektroniczny] — Czasopismo elektroniczne ; ISSN 2075-1729. — 2024 — vol. 14 iss. 3 art. no. 321, s. 1–16. — Wymagania systemowe: Adobe Reader. — Bibliogr. s. 14–16, Abstr. — Publikacja dostępna online od: 2024-02-28. — M. Wielgosz, P. Russek, M. Karwatowski, R. Frączek, E. Jamro, S. Koryciak, A. Dąbrowska-Boruch, M. Pietroń, K. Wiatr – dod. afiliacja: ACC Cyfronet AGH
Autorzy (14)
Słowa kluczowe
Dane bibliometryczne
| ID BaDAP | 152312 |
|---|---|
| Data dodania do BaDAP | 2024-04-15 |
| Tekst źródłowy | URL |
| DOI | 10.3390/life14030321 |
| Rok publikacji | 2024 |
| Typ publikacji | artykuł w czasopiśmie |
| Otwarty dostęp |  |
| Creative Commons | |
| Czasopismo/seria | Life |
Abstract
The primary objective of this research was to enhance the quality of semantic segmentation in cytology images by incorporating super-resolution (SR) architectures. An additional contribution was the development of a novel dataset aimed at improving imaging quality in the presence of inaccurate focus. Our experimental results demonstrate that the integration of SR techniques into the segmentation pipeline can lead to a significant improvement of up to 25% in the mean average precision (mAP) metric. These findings suggest that leveraging SR architectures holds great promise for advancing the state-of-the-art in cytology image analysis.