Publication

DeepImageJ: A user-friendly environment to run deep learning models in ImageJ

Michaël Unser, Daniel Sage, Laurène Donati
2021
Journal Articles

Résumé

DeepImageJ offers a user-friendly solution in ImageJ to run trained deep learning models for biomedical image analysis. It includes guiding tools for reliable analyses, contributing to the democratization of deep learning in microscopy.

Source officielle

Michaël Unser, Daniel Sage, Laurène Donati
2021
Journal Articles

Résumé

Source officielle

Concepts associés (14)

Apprentissage profond

L'apprentissage profond ou apprentissage en profondeur (en anglais : deep learning, deep structured learning, hierarchical learning) est un sous-domaine de l’intelligence artificielle qui utilise des réseaux neuronaux pour résoudre des tâches complexes grâce à des architectures articulées de différentes transformations non linéaires. Ces techniques ont permis des progrès importants et rapides dans les domaines de l'analyse du signal sonore ou visuel et notamment de la reconnaissance faciale, de la reconnaissance vocale, de la vision par ordinateur, du traitement automatisé du langage.

Apprentissage automatique

L'apprentissage automatique (en anglais : machine learning, « apprentissage machine »), apprentissage artificiel ou apprentissage statistique est un champ d'étude de l'intelligence artificielle qui se fonde sur des approches mathématiques et statistiques pour donner aux ordinateurs la capacité d'« apprendre » à partir de données, c'est-à-dire d'améliorer leurs performances à résoudre des tâches sans être explicitement programmés pour chacune. Plus largement, il concerne la conception, l'analyse, l'optimisation, le développement et l'implémentation de telles méthodes.

Réseau de neurones artificiels

Un réseau de neurones artificiels, ou réseau neuronal artificiel, est un système dont la conception est à l'origine schématiquement inspirée du fonctionnement des neurones biologiques, et qui par la suite s'est rapproché des méthodes statistiques. Les réseaux de neurones sont généralement optimisés par des méthodes d'apprentissage de type probabiliste, en particulier bayésien.

Afficher plus

Publications associées (31)

Afficher plus

DeepImageJ: A user-friendly environment to run deep learning models in ImageJ

Graph Chatbot

Multi-temporal forest monitoring in the Swiss Alps with knowledge-guided deep learning

Incorporating Projective Geometry into Deep Learning

Predicting the long-term collective behaviour of fish pairs with deep learning