Математичне та програмне забезпечення системи генерації зображень на основі методів глибинного навчання
Вантажиться...
Дата
2023
Науковий керівник
Назва журналу
Номер ISSN
Назва тому
Видавець
КПІ ім. Ігоря Сікорського
Анотація
Дипломну роботу виконано на 73 аркушах, вона містить 3 додатки та перелік
посилань на використані джерела з 21 найменувань. У роботі наведено 30 рисунків та
8 таблиць.
Метою даної роботи є спрощення та алгоритмізація процесу створення
зображень художнього характеру. Автоматизація процесу апроксимації розподілу
зображень, як даних у багатовимірному просторі, та генерація зображень, що мають
схожий набір характеристик до початкових даних.
У роботі проведено аналіз існуючих рішень для вирішення проблеми генерації
зображень, а саме: генеративна змагальна мережа, варіаційний автокодувальник та
дифузійна модель. Виконано їх порівняння з погляду на швидкість навчання, якості
згенерованих зображень та швидкості генерації кожного окремого зображення. Для
вирішення поставленої задачі, було використано генеративну змагальну мережу.
Для підвищення ефективності генерації зображень, було вирішено об’єднати
модель генеративної змагальної мережі зі структурою згорткових нейронних мереж.
Проведено пошук модифікації генеративної змагальної мережі, яка б дозволила
побороти проблему колапсу режиму. Встановлено, що модель генеративної
змагальної мережі Васерштайна з градієнтним штрафом, дозволяє вирішити
проблему колапсу режиму, щонайменше на розглянутому проміжку навчання, тому її
було обрано в якості основної. Розроблено систему, що дозволяє генерувати
зображення художнього характеру. Виконано тестування розробленої системи.
Опис
Ключові слова
машинне навчання, нейроні мережі, згорткові нейронні мережі, генерація зображень, генерація мистецтва, генеративна модель, генеративна змагальна мережа, генеративна змагальна мережа Васерштайна, генеративна змагальна мережа Васерштайна з градієнтним штрафом
Бібліографічний опис
Будзінський, Є. О. Математичне та програмне забезпечення системи генерації зображень на основі методів глибинного навчання : дипломна робота … бакалавра : 113 Прикладна математика / Будзінський Євген Олександрович. – Київ, 2023. – 114 с.