TRAINING COMPUTER VISION MODELS FOR STEM CELL DETECTION AND SEGMENTATION

U. A. Kasparov V. M. Zuev

About the authors

U. A. Kasparov V. M. Zuev

Каспаров Юрий Ашотович – младший научный сотрудник, Федеральное государственное бюджетное научное учреждение «Институт проблем искусственного интеллекта», г. Донецк. Область научных интересов: интеллектуальные робототехнические системы. адрес: 283048, г. Донецк, ул. Артема, д. 118 б

Зуев Владимир Михайлович -Научный сотрудник, Зав.отделом, Федеральное государственное бюджетное научное учреждение «Институт проблем искусственного интеллекта», г. Донецк. Область научных интересов: интеллектуальные робототехнические системы. адрес: 283048, г. Донецк, ул. Артема, д. 118 б

Download PDF

UDC: 004.93
DOI: 10.24412/2413-7383-2025-3-38-183-189
Language: Russian

Abstract: This article examines key approaches to training computer vision models for stem cell detection and segmentation. A methodology for working with high-resolution images for image segmentation tasks is developed and tested.

Keywords: location: detection, image, segmentation, high resolution Hic articulus modos clavis ad exempla visionis computatralis ad detectionem et segmentationem cellularum primordialium exercenda examinat. Methodologia ad imagines altae resolutionis ad

References

1. Terven, Juan; Córdova-Esparza, Diana-Margarita; Romero-González, Julio-Alejandro (2023-11-20). "A Comprehensive Review of YOLO Architectures in Computer Vision: From YOLOv1 to YOLOv8 and YOLO-NAS". Machine Learning and Knowledge Extraction. 5 (4): 1680–1716. arXiv:2304.00501. doi:10.3390/make5040083. ISSN 2504-4990.
2. "YOLOv2: Real-Time Object Detection". pjreddie.com. Retrieved 2024-09-12.
3. Menke, Maximilian; Wenzel, Thomas; Schwung, Andreas (October 2022). "Improving GAN-based Domain Adaptation for Object Detection". 2022 IEEE 25th International Conference on Intelligent Transportation Systems (ITSC). pp. 3880–3885. doi:10.1109/ITSC55140.2022.9922138. ISBN 978-1- 6654-6880-0. S2CID 253251380.
4. Menke, Maximilian; Wenzel, Thomas; Schwung, Andreas (2022-08-31). "AWADA: Attention-Weighted Adversarial Domain Adaptation for Object Detection". arXiv:2208.14662.
5. Oza, Poojan; Sindagi, Vishwanath A. VS, Vibashan; Patel, Vishal M. (2021-07-04). "Unsupervised Domain Adaptation of Object Detectors: A Survey". arXiv:2105.13502.
6. Khodabandeh, Mehran; Vahdat, Arash; Ranjbar, Mani; Macready, William G. (2019-11-18). "A Robust Learning Approach to Domain Adaptive Object Detection". arXiv:1904.02361.
7. Soviany, Petru; Ionescu, Radu Tudor; Rota, Paolo; Sebe, Nicu (2021-03-01). "Curriculum self-paced learning for cross-domain object detection". Computer Vision and Image Understanding. arXiv:1911.06849. doi:10.1016/j.cviu.2021.103166. ISSN 1077-3142. S2CID 208138033.
8. Zuev V.M Comparison of object detection by means of artificial intelligence in comparison with classical methods [Text]//V.M. Zuev. Journal "Problems of Artificial Intelligence". – 2024. – № 3(34). – С. 30-35. – ISSN 2413-7383.-DOI 10.24412/2413-7383-2024-3-30-35. Обучение моделей компьютерного зрения для задачи детекции и сегментации… 6К
9. Zuev V.M. Orthogonalization of neural network weight coefficients [Text] // Journal "Problems of Artificial Intelligence".– 2025. – №1 (36). – С. 135–140. – ISSN 2413-7383. – DOI 10.24412/2413-7383-135-140.
10. Rémy, Philippe (2024-09-05),//github.com/ philipperemy/yolo-9000, retrieved 2024-09-12
11. Bochkovskiy, Alexey; Wang, Chien-Yao; Liao, Hong-Yuan Mark (2020-04-22). "YOLOv4: Optimal Speed and Accuracy of Object Detection". arXiv:2004.10934.
12. Wang, Chien-Yao; Bochkovskiy, Alexey; Liao, Hong-Yuan Mark (2021-02-21). "Scaled-YOLOv4: Scaling Cross Stage Partial Network". arXiv:2011.08036 [cs.CV].
13. Li, Chuyi; Li, Lulu; Jiang, Hongliang; Weng, Kaiheng; Geng, Yifei; Li, Liang; Ke, Zaidan; Li, Qingyuan; Cheng, Meng; Nie, Weiqiang; Li, Yiduo; Zhang, Bo; Liang, Yufei; Zhou, Linyuan; Xu, Xiaoming (2022- 09-07). "YOLOv6: A Single-Stage Object Detection Framework for Industrial Applications". arXiv:2209.02976 [cs.CV].
14. Zhu, Jun-Yan; Park, Taesung; Isola, Phillip; Efros, Alexei A. (2020-08-24). "Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks". arXiv:1703.10593 [cs.CV].
15. Dalal, Navneet (2005).//Hal.inria.fr//file/index/docid/548512/filename/hog_cvpr2005.pdf/. "Histograms of oriented gradients for human detection" (PDF). Computer Vision and Pattern Recognition. 1.
16. Pang, Jiangmiao; Chen, Kai; Shi, Jianping; Feng, Huajun; Ouyang, Wanli; Lin, Dahua (2019-04-04). "Libra R-CNN: Towards Balanced Learning for Object Detection". arXiv:1904.02701v1.
17. Zhang, Shifeng (2018). "Single-Shot Refinement Neural Network for Object Detection". Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. pp. 4203–4212. arXiv:1711.06897.
18. Lin, Tsung-Yi (2020). "Focal Loss for Dense Object Detection". IEEE Transactions on Pattern Analysis and Machine Intelligence. 42 (2): 318–
19. arXiv:1708.02002. Bibcode:2020ITPAM..42..318L. doi:10.1109/TPAMI.2018.2858826. PMID 300 40631. S2CID 47252984.
20. Zhu, Xizhou. "Deformable ConvNets v2: More Deformable, Better Results". arXiv:1811.11168.
21. Dai, Jifeng "Deformable Convolutional Networks". arXiv:1703.06211.
22. Alsanabani, Ala; Ahmed, Mohammed; AL Smadi, Ahmad (2020). "Vehicle Counting Using Detecting- Tracking Combinations: A Comparative Analysis". 2020 the 4th International Conference on Video and Image Processing.pp. 4854. doi:10.1145/3447450.3447458. ISBN 9781450389075. S2CID 233194604.
23. M. M. Rahman and T. Finin, “Deep understanding of a documents structure,” in 4th IEEE/ACM Int. Conf. on Big Data Computing, Applications and Technologies, December 2017.
24. R. Kimmel, R. Malladi, and N. Sochen. Images as embedding maps and minimal surfaces: Movies, color, and volumetric medical images. IEEE CVPR'97, pp. 350-355, Puerto Rico, June 17–19, 1997. https://www.cs.technion.ac.il/~ron/PAPERS/cvpr97.pdf
25. V.A. Korotkov, K.V. К. В. Korotkov, E.P. Novoch ichin Модификация метода CLAHE для компенсации влияния гидрометеоров Журнал радиоэлектроники, ISSN 1684 -1719, №10, 2017 с1-21.
26. E.I. Vatutin ?S.U. Miroshnichenko, V.S. Titov. Программная оптимизация оператора Собела с использованием SIMD-расширений процессоров семейства x86. Телекоммуникации. 2006. № 6. С. 12—16. (2006) Каспаров Юрий Ашотович – младший научный сотрудник, Федеральное государственное бюджетное научное учреждение «Институт проблем искусственного интеллекта», г. Донецк. Область научных интересов: интеллектуальные робототехни ческие системы. адрес: 283048, г. Донецк, ул. Артема, д. 118 б, Зуев Владимир Михайлович -Научный сотрудник, Зав.отделом, Федеральное государственное бюджетное научное учреждение «Институт проблем искусственного интеллекта», г. Донецк. Область научных интересов: интеллектуальные робототехни ческие системы. адрес: 283048, г. Донецк, ул. Артема, д. 118 б, Статья поступила в редакцию 07.03.2025.

Issue: 3(38)'2025
Section: МЕТОДЫ И СИСТЕМЫ ЗАЩИТЫ ИНФОРМАЦИИ, ИНФОРМАЦИОННАЯ БЕЗОПАСНОСТЬ
How to cite: U. A. Kasparov V. M. Zuev. TRAINING COMPUTER VISION MODELS FOR STEM CELL DETECTION AND SEGMENTATION // Problems of Artificial Intelligence. - 2025. - № 3 (38). - P. 183-189. - https://paijournal.guiaidn.ru/en/2025/3(38)-16.html

Back to issue 3(38)'2025