Гібридний метод обробки зображень на конволюційних нейронних мережах

Скорочена інформація про документ
dc.contributor.advisorМажара, Ольга Олександрівна
dc.contributor.authorФедоряка, Максим Григорович
dc.date.accessioned2023-01-06T12:50:51Z
dc.date.available2023-01-06T12:50:51Z
dc.date.issued2021-12
dc.description.abstractenRelevance of the research topic. The current state and rapid development of information technology, including artificial intelligence, makes everyday life more convenient and optimized. One of the tasks that has been optimized on personal computers and high-performance systems is improvement of image quality, including increasing resolution. The ability to increase image resolution allows the development of new classes of software, which in turn improve the user experience. Only a few years ago the computing power of smartphones has increased enough to allow the use of machine learning on mobile platforms. At the same time, the development of machine learning subprocessors, which even modern budget smartphones are equipped with today, means that now is the time to invest resources in the development of artificial intelligence and machine learning on mobile platforms. However, currently no architectural solutions have been proposed that allow the use established neural network methods on mobile devices. The task of developing architectures to solve the problem of improving image resolution based on a combination of existing methods for use on mobile devices is urgent. Improving the resolution of photos in the mobile application is the first step towards the development of more complex technologies, such as the future analogue of DLSS for mobile platforms, improving video quality and others. The purpose of the study is to develop an architectural solution for creating a mobile software application to improve image resolution using hybrid approaches. Following tasks were outlined and implemented to achieve the aforementioned goal: - analyze the features and existing solutions to the problem of improving the image resolution for personal computers; - analyze frameworks for working with machine learning, which are available on mobile platforms; - propose and implement an architecture to improve the resolution of images on mobile devices; - implement software that uses the proposed architecture and demonstrates its benefits and effectiveness; - perform analysis of the results of the created software. The subject of the study is an image processing algorithm with a hybrid approach, which is adapted for use on a mobile device. The scientific novelty of the results of the study is that architectural solution was proposed to create a system to improve image resolution using a hybrid method of combining neural networks and Unsharp Masking for use on mobile devices with iOS. The implemented method is optimized in terms of performance and resource use of the system, and the output result is of high quality, especially when increasing the resolution by 2 or 3 times. The practical significance of the results is that the developed architecture can be used in a large number of mobile applications. Publications. Fedoriaka M.G. Hybrid method of image processing on convolutional neural networks / M. G. Fedoriaka, K. Yu. Melkumyan. // "Adaptive Automatic Control Systems". Interdisciplinary science and technology collection. - 2021. - No. 38. - P. 72–76.uk
dc.description.abstractukАктуальність теми дослідження. Сучасний стан та швидкий розвиток інформаційних технологій, зокрема штучного інтелекту, робить повсякденне життя людини більш зручним та оптимізованим. Однією із задач, які вдалося оптимізувати на персональних комп’ютерах та високопродуктивних системах, є покращення якості зображень, зокрема збільшення роздільної здатності. Можливість збільшити роздільну здатність зображення дає розвиток новим класам програмного забезпечення, які у свою чергу покращують досвід користувачів. Лише років тому обчислювальна потужність смартфонів зросла достатньо, щоб дозволити використання машинного навчання і на мобільних платформах. Разом з цим, розвиток під-процесорів для машинного навчання, якими комплектуються навіть бюджетні смартфони сьогодні, означає що зараз саме час інвестувати ресурси у розвиток штучного інтелекту і машинного навчання на мобільних платформах. Однак, наразі не запропоновано архітектурних рішень, що дозволяють використати створені нейромережеві методи на мобільних пристроях. Актуальною є задача розробки архітектур для вирішення задачі покращення роздільної здатності зображень на основі поєднання існуючих методів для використання на мобільних пристроях. Покращення роздільної здатності фотографій у мобільному додатку є першим кроком до розвитку більш комплексних технологій, таких як майбутній аналог DLSS для мобільних платформ, покращення якості відео та інші. Метою дослідження розробка архітектурного рішення для створення мобільного програмного застосунку з покращення роздільної здатності зображення з використанням гібридних підходів. Для досягнення мети необхідно виконати наступні завдання: - провести аналіз особливостей та існуючих рішень для проблеми покращення роздільної здатності зображення для персональних комп’ютерів; - провести аналіз фреймворків для роботи з машинним навчанням, що доступні на мобільних платформах; - запропонувати та реалізувати архітектуру для покращення роздільної здатності зображень на мобільних пристроях; - реалізувати програмне забезпечення, що використовує запропоновану архітектуру та демонструє її переваги та ефективність; - виконати аналіз результатів роботи створеного програмного забезпечення. Об’єктом дослідження є програмне забезпечення для обробки зображень. Предметом дослідження є алгоритм обробки зображень з гібридним підходом, що пристосований для використання на мобільному пристрої. Наукова новизна одержаних результатів дослідження полягає у тому, що запропоноване архітектурне рішення щодо створення системи покращення роздільної здатності зображень з використанням гібридного методу поєднання нейронних мереж та Unsharp Masking для використання на мобільних пристроях с операційною системою iOS. Реалізований метод є оптимізованим з точки зору швидкодії та використання ресурсів системою, при цьому вихідний результат має високу якість, особливо при збільшенні роздільної здатності у 2 або 3 рази. Практичне значення результатів полягає у тому, що розроблена архітектура може бути використана у великій кількості мобільних застосунків. Публікації. Федоряка М. Г. Гібридний метод обробки зображень на конволюційних нейронних мережах / М. Г. Федоряка, К. Ю. Мелкумян. // Друковане видання «Адаптивні Системи Автоматичного Управління». Міжвідомчий науково- технічний збірник. – 2021. – №38. – С. 72–76.uk
dc.format.page111 с.uk
dc.identifier.citationФедоряка, М. Г. Гібридний метод обробки зображень на конволюційних нейронних мережах : магістерська дис. : 121 Інженерія програмного забезпечення / Федоряка Максим Григорович. - Київ, 2021. - 111 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/51759
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.subjectмашинне навчанняuk
dc.subjectнейронні мережіuk
dc.subjectзгорткові нейронні мережіuk
dc.subjectобробка зображеньuk
dc.subjectмобільні пристроїuk
dc.subjectпокращення роздільної здатностіuk
dc.subjectмасштабування зображеньuk
dc.subjectmachine learninguk
dc.subjectneural networksuk
dc.subjectconvolutional neural networksuk
dc.subjectimage processinguk
dc.subjectmobile devicesuk
dc.subjectsuper-resolution imaginguk
dc.subjectimage scalinguk
dc.subject.udc004.4uk
dc.titleГібридний метод обробки зображень на конволюційних нейронних мережахuk
dc.typeMaster Thesisuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Fedoriaka_magistr.pdf
Розмір:
29.92 MB
Формат:
Adobe Portable Document Format
Опис:
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
9.1 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Магістерські роботи (ІПІ)
Магістерські роботи