Метод розфарбування монохромних зображень з використанням глибинного навчання

Скорочена інформація про документ
dc.contributor.authorПетрашенко, А. В.
dc.contributor.authorТарасенко, В. П.
dc.contributor.authorМаксименко, Д. Д.
dc.date.accessioned2025-01-20T14:54:05Z
dc.date.available2025-01-20T14:54:05Z
dc.date.issued2024
dc.description.abstractotherThis study addresses the challenge of colorizing monochrome images by integrating Generative Adversarial Network (GAN) and U-Net architectures to enhance colorization accuracy. The proposed method effectively detects structures and details in images, allowing for the generation of high-precision color images while preserving the original textures and elements of monochrome inputs. Trained on a large dataset of monochrome and color image pairs, the model demonstrates the ability to produce smooth color transitions and minimize artifacts during image generation. The findings underscore the potential of this approach for practical applications in various fields requiring automatic monochrome-to-color conversion and may contribute to advancements in computer vision and deep learning techniques.
dc.format.pagerangeС. 652-655
dc.identifier.citationПетрашенко, А. В. Метод розфарбування монохромних зображень з використанням глибинного навчання / Петрашенко А. В., Тарасенко В. П., Максименко Д. Д. // Прикладна математика та комп’ютинг ПМК' 2024 : збірник тез доповідей Сімнадцятої конференції магістрантів та аспірантів (20-22 листопада 2024 р. Київ, Україна). – Київ, 2024. – С. 652-655.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/72060
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.sourceПрикладна математика та комп’ютинг ПМК' 2024 : збірник тез доповідей Сімнадцятої конференції магістрантів та аспірантів (20-22 листопада 2024 р. Київ, Україна)
dc.subject.udc004.932.4
dc.titleМетод розфарбування монохромних зображень з використанням глибинного навчання
dc.title.alternativeColorisation of monochrome images using Deep Learning
dc.typeArticle

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
125-P_652-655.docx
Розмір:
1.15 MB
Формат:
Microsoft Word XML
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
8.98 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Матеріали конференції