Розширення датасетів зображень на основі нейронної мережі GAN

Скорочена інформація про документ
dc.contributor.advisorШалденко, Олексій Вікторович
dc.contributor.authorКадук, Кирило Вікторович
dc.date.accessioned2024-02-26T09:23:47Z
dc.date.available2024-02-26T09:23:47Z
dc.date.issued2023
dc.descriptionСистема розширення датасетів зображень на основі нейронної мережі GAN. Ця система має інтерфейс для роботи з GAN, а саме можливість завантажити готову модель, генерувати та зберігати зображення отримані від готової моделі, та є можливість тренувати модель на власному датасеті.
dc.description.abstractМетою цієї магістерської дисертації є розробка системи для розширення датасетів зображень за допомогою нейронної мережі GAN. Дослідження фокусується на використанні можливостей GAN для генерації високоякісних, реалістичних зображень, які можуть вирішити проблеми обмеженості та упередженості у датасетах, особливо важливо це у сферах зі складним збором даних. У роботі розглядаються сучасні виклики у створенні та розширенні датасетів зображень, а також визначаються ключові переваги використання GAN для цієї мети. Розроблена система дозволяє користувачам тренувати модель GAN на власних датасетах, генерувати нові зображення, зберігати їх для подальшого розширення датасетів, а також оцінювати якість згенерованих зображень. Дисертація включає розробку архітектури системи, що інтегрує GAN для автоматизації процесу генерації зображень, використання сучасних програмних мов та інструментів, таких як Python, TensorFlow, Keras, Numpy та PIL. Також передбачається створення інтуїтивно зрозумілого користувацького інтерфейсу, реалізованого за допомогою JavaScript, HTML, CSS та Flask. Загальний обсяг роботи: кількість сторінок 101, кількість рисунків 35, кількість таблиць 4, кількість джерел 40, кількість додатків 1.
dc.description.abstractotherThe aim of this master's thesis is to develop a system for expanding image datasets using the GAN neural network. The study focuses on utilizing the capabilities of GAN to generate high-quality, realistic images that can address the problems of limitation and bias in datasets, especially important in areas with complex data collection. The work examines the modern challenges in creating and expanding image datasets, and identifies the key advantages of using GAN for this purpose. The developed system allows users to train the GAN model on their own datasets, generate new images, store them for further dataset expansion, and also evaluate the quality of the generated images. The dissertation includes the development of the system architecture that integrates GAN for automating the image generation process, using modern programming languages and tools such as Python, TensorFlow, Keras, Numpy, and PI. It also envisages the creation of an intuitive user interface, implemented using JavaScript, HTML, CSS, and Flask. Total volume of work: number of pages 101, number of figures 35, number of tables 4, number of references 40, number of appendices 1.
dc.format.extent101 c.
dc.identifier.citationКадук, К. В. Розширення датасетів зображень на основі нейронної мережі GAN : магістерська дис. : 122 Комп’ютерні науки / Кадук Кирило Вікторович. – Київ, 2023. – 101 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/64950
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.titleРозширення датасетів зображень на основі нейронної мережі GAN
dc.typeMaster Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Kaduk_magistr.pdf
Розмір:
3.16 MB
Формат:
Adobe Portable Document Format
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

Магістерські роботи (ЦТЕ)
Магістерські роботи