Застосування нейронної мережі для стилізованої обробки зображень

Скорочена інформація про документ
dc.contributor.authorКолесник, Олександра Юріївна
dc.date.accessioned2020-05-21T15:11:19Z
dc.date.available2020-05-21T15:11:19Z
dc.date.issued2019
dc.description.abstractenManually redrawing an image in a certain artistic style takes a professional artist a long time. Here you can use image representations derived from the Neural Networks. It is considered the problem of image processing using convolutional neural network. The article deals with the typical architecture of the convolutional neural network, the advantages of their use in problems associated with pattern recognition are presented. The problem of artist style transfer where the painting style of a given artist is applied on a real world photograph is addressed. approach uses the statistics of high-level feature representations of the images from the hidden layers of an image classification network to separate and reassemble content and style. To automatically transfer an artistic style, the first and most important issue is how to model and extract style from an image. Transferring the style from one image onto another can be considered a problem of texture transfer. In texture transfer the goal is to synthesise a texture from a source image while constraining the texture synthesis in order to preserve the semantic content of a target image. Since style is very related to texture, a straightforward way is to relate Visual Style Modelling back to previously well-studied. After obtaining the style representation, the next issue is how to reconstruct an image with desired style information while preserving its content, which is addressed by the image reconstruction technique.This is done by formulating an optimization problem that, starting with white noise, searches for a new image showing similar neural activations as the content image and similar feature correlations as the style image. A Neural Algorithm of Artistic Style is a pattern that can be separate and recombine the images is introduced. The algorithm allows us to produce new images of High quality perceptual artworks. The result provides new insights into the for high level representations image synthesis and manipulation. The result was generated on the basis of the VGG network , which was trained to perform object recognition and localisation The usage of convolutional neural network is analyzed. Representations that factorise the variation in the content of an image and the variation in its appearance would be extremely practical for this task. In light of the striking similarities between performance optimised artificial neural networks and biological vision, the human ability to abstract content from style – and therefore our ability to create and enjoy art – might also be primarily a preeminent signature of the powerful inference capabilities of our visual system.uk
dc.description.abstractruВ статье рассмотрена задача обробки графических изображений с использованием математического аппарата искусственных нейронных сетей. Отдельно рассматривается структура сверточной нейронной сети. Для решения задачи художественной обработки фотографии с использованием заданной стилистической техники используются два изображения – «картинка-контент» и «картинка-стиль», которая задает шаблон стилистики. При использовании различных стилистических шаблонов можно сформировать фото в разной стилистике – например, в стиле импрессионизма, абстракционизма и т.п. Таким образом, работа представляет интерес как с художественной, так и с исследовательской точки зрения.uk
dc.description.abstractukУ статті розглянуто задачу обробки графічних зображень з використанням математичного апарату штучних нейронних мереж. Окремо розглядається структура згорткової нейронної мережі. Для вирішення задачі художньої обробки фотографії з використанням заданої стилістичної техніки використовуються два зображення – «картинка-контент» та «картинка-стиль», яка задає шаблон стилістики. При застосуванні різних стилістичних шаблонів можна сформувати фото з різною стилістикою – наприклад, у стилі імпресіонізму, абстракціонізму, тощо. Таким чином, робота представляє інтерес як з художньої, так і з дослідницької точки зору.uk
dc.format.pagerangeС. 17-21uk
dc.identifier.citationКолесник, О. Ю. Застосування нейронної мережі для стилізованої обробки зображень / Колесник О. Ю. // Електронна та Акустична Інженерія : науково-технічний журнал. – 2019. – Т. 2, № 4. – С. 17–21. – Бібліогр.: 10 назв.uk
dc.identifier.doihttps://doi.org/10.20535/2617-0965.2019.2.4.163832
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/33691
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.rights.urihttps://creativecommons.org/licenses/by/4.0/uk
dc.sourceЕлектронна та Акустична Інженерія : науково-технічний журнал, 2019, Т. 2, № 4uk
dc.subjectобробка зображеньuk
dc.subjectштучні нейронні мережіuk
dc.subjectзгорткові мережіuk
dc.subjectзгорткаuk
dc.subjectпередача стилюuk
dc.subjectimage processinguk
dc.subjectartificial neural networksuk
dc.subjectconvolutional networksuk
dc.subjectconvolutionuk
dc.subjectstyle transferuk
dc.subjectобработка изображенийuk
dc.subjectискусственные нейронные сетиuk
dc.subjectсверточные сетиuk
dc.subjectсверткаuk
dc.subjectпередача стиляuk
dc.subject.udc004.942:519.876uk
dc.titleЗастосування нейронної мережі для стилізованої обробки зображеньuk
dc.title.alternativeApplication of a Neural Network for Stylized Image Processinguk
dc.title.alternativeПрименение нейронной сети для стилизованной обработки изображенийuk
dc.typeArticleuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
EAI2019_2-4_p17-21.pdf
Розмір:
777.97 KB
Формат:
Adobe Portable Document Format
Опис:
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
9.06 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Електронна та Акустична Інженерія: науково-технічний журнал, Т. 2, № 4