Я немного новичок в кодировании, но в настоящее время пытаюсь использовать прикладное машинное обучение для целей биологического исследовательского проекта. Я пытаюсь создать нейронную сеть, которая будет принимать входное изображение белка зеленого канала и угадывать красный канал того же изображения.
У меня есть набор данных из 10000 изображений 40x40, которые имеют красный и варианты зеленого канала (всего 20 000 изображений). Чтобы уточнить, все изображения имеют оттенки серого, красный канал используется только для обозначения того, что белки, окрашенные красным красителем, будут появляться в другом месте, чем белки с зеленым красителем. По сути, я хочу ввести изображение одного набора белков и дать ему угадать местоположение другого набора, а затем сравнить с известным парным изображением другого набора.
Я довольно новичок в Python и Генеративное глубокое обучение. Я понимаю, как это работает концептуально, но мне интересно, какой будет лучшая архитектура для этого проекта. Я рассматривал GAN, но не уверен, как будет обучен дискриминатор в этом случае. Есть ли какие-либо архитектуры, которые кто-нибудь мог бы порекомендовать, чтобы я посмотрел, что я мог бы изменить для целей этого проекта?