Autor: José Alberto Gómez García
Director: Rafael Molina Soriano
Codirector: Fernando Pérez Bueno
En este trabajo se propone la aplicación del enfoque Deep Image Prior a modelos de aprendizaje profundo basados en redes neuronales convolucionales con el objetivo de realizar BCD sobre imágenes histológicas. De esta manera, podemos obtener los beneficios de la aplicación de redes neuronales sin requerir de grandes conjuntos de datos que contengan "ground truth". Para realizar la deconvolución ciega de color de una imagen histológica requeriremos única y exclusivamente de dicha imagen.
Se propondrán tres modelos diferentes, que emplearán arquitecturas, funciones de pérdida y tipos de entrada diferentes. Estos serán puestos a prueba sobre el conjunto de datos ``Warwick Stain Separation Benchmark''. Los experimentos realizados indican que se pueden obtener resultados comparables a los proporcionados por modelos amortizados entrenados en grandes conjuntos de datos. Se propone también una variante de Deep Image Prior en la que las redes neuronales se inicializan con los pesos de un entrenamiento previo; lo que permite mejorar los resultados significativamente.
El código desarrollado parte de la implementación realizada por el "Visual Information Processing Group" de la Universidad de Granada, disponible en este enlace.