Методи масштабування зображень без втрати якості з використанням нейронних мереж
Вантажиться...
Дата
2019
Автори
Науковий керівник
Назва журналу
Номер ISSN
Назва тому
Видавець
КПІ ім. Ігоря Сікорського
Анотація
Дипломна робота: 149 с., 55 рис., 9 табл., 2 дод., 15 джерел. В цій роботі розглядається SRGAN – генеративно змагальна нейронна мережа для масштабування зображень. Це один з найперших фреймворків, що використовується на збільшення зображень у 4 рази, при цьому майже без втрат якості. Для цього було запропоновано перцептивну функцію втрат. Також було проведе порівняння з іншими методами масштабування, такими як білінійна та бікубічна інтерполяції, метод Ланцоша та метод найближчого сусіда.
Об’єкт дослідження: зображення малого розміру, зображення з низькою роздільною здатністю.
Предмет дослідження: методи нейронних мереж, інтерполяційні для збільшення зображення та покращення їх роздільної здатності.
Мета роботи: дослідити моделі нейронних мереж для покращення якості зображення з малою роздільною здатністю.
Методи дослідження: чисельні експерименти з порівнянням результатів, що імплементовані за допомогою мови програмування Python та бібліотеки Tensorflow.
Опис
Ключові слова
масштабування зображень, генеративно змагальні нейронні мережі, згорткові нейронні мережі, критерії якості масштабування, методи інтерполяції зображення, image scaling, generative adversarial networks, convolutional neural networks, criteria of image scaling quality, image interpolation methods
Бібліографічний опис
Фоменко, Н. А. Методи масштабування зображень без втрати якості з використанням нейронних мереж : дипломна робота … бакалавра : 6.050101 Комп'ютерні науки / Фоменко Нікіта Андрійович. – Київ, 2019. – 149 с.