Метод генерації синтетичних зображень на основі генеративно-дискримінаційної нейромережі

Скорочена інформація про документ
dc.contributor.advisorКаніовська, Ірина Юріївна
dc.contributor.authorСайног, Олексій Максимович
dc.date.accessioned2019-09-10T12:27:42Z
dc.date.available2019-09-10T12:27:42Z
dc.date.issued2019-06
dc.description.abstractenDiploma work: 104 p., 33 fig., 6 tables, 2 appendixes, 12 references. The object of the study – synthetic images. The subject of the study – methods for generating images based on variation autoencoders (VAE) and generative-adversarial networks (GAN). The purpose of the study – analyze the subject of research, implement some of the architecture of the GANs, test them and compare the results. The methods of the study – generation methods based on neural networks of different architectures: VAE based on convolutional neural network, GAN. The relevance of the study – synthetic images are used for: - Model training for the detection, identification and classification of objects or living creatures. - Creating elements of virtual reality. The results of the study – analyzed and compared the methods of generating images based on VAЕ and GAN. Created software for model training and image generation. Further improvements of the study – study of models work with different architectures and more complex types of data.uk
dc.description.abstractukДипломна робота: 104 с., 33 рис., 6 табл., 2 дод., 12 джерел. Об’єкт дослідження – синтетичні зображення. Предмет дослідження – методи генерації зображень на основі варіаційних автоматичних кодувальників (ВАК) та генеративно-дискримінаційних нейронних мереж (ГДМ). Мета роботи – проаналізувати предмет дослідження, реалізувати деякі архітектури ГДМ, провести їх тестування та порівняти результати. Методи дослідження – методи генерації на основі нейронних мереж різної архітектури: ВАК на основі згорткової нейронної мережі, ГДМ. Актуальність – синтетичні зображення використовуються для: - тренування моделей для розпізнавання, ідентифікації та класифікації об’єктів чи живих істот. - створення елементів віртуальної реальності. Результати роботи – досліджено, проаналізовано та порівняно методи генерації зображень на базі ВАК та ГДМ. Створено програмний продукт для тренування моделей та генерації зображень. Шляхи подальшого розвитку предмету дослідження – дослідження роботи моделей з різною архітектурою та більш складними типами даних.uk
dc.format.page104 с.uk
dc.identifier.citationСайног, О. М. Метод генерації синтетичних зображень на основі генеративно-дискримінаційної нейромережі : дипломна робота … бакалавра : 6.040303 Системний аналіз / Сайног Олексій Максимович. – Київ, 2019. – 104 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/29147
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.subjectгенеративно-дискримінаційна мережаuk
dc.subjectгенераціяuk
dc.subjectмашинне навчанняuk
dc.subjectсинтетичні зображенняuk
dc.subjectстилізаціяuk
dc.subjectgenerative-adversarial networkuk
dc.subjectgeneratinguk
dc.subjectmachine learninguk
dc.subjectsynthetic imagesuk
dc.subjectstylizationuk
dc.titleМетод генерації синтетичних зображень на основі генеративно-дискримінаційної нейромережіuk
dc.typeBachelor Thesisuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
Sainoh_bakalavr.docx
Розмір:
9.26 MB
Формат:
Microsoft Word XML
Опис:
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

Бакалаврські роботи (ММСА)
Бакалаврські роботи