Інтелектуальна система препроцесінгу зображень

Скорочена інформація про документ
dc.contributor.advisorКот, Анатолій Тарасович
dc.contributor.authorРенський, Михайло Михайлович
dc.date.accessioned2024-10-16T12:47:30Z
dc.date.available2024-10-16T12:47:30Z
dc.date.issued2024
dc.description.abstractДипломна робота: 101 с., 17 рис., 6 табл., 33посилань, 1 додаток. Об’єкт дослідження – методи відновлення зображень, отриманих з безпілотних літальних апаратів та супутників, які піддаються різним типам і ступеням корупції. Предмет дослідження – універсальна модель відновлення зображень, що включає контрастивний енкодер деградацій та мережу відновлення, керовану деградацією. Мета роботи – розробити всеохоплюючий метод, здатний відновлювати зображення з різних невідомих типів і ступенів корупції, зосереджуючи увагу на фотографіях, отриманих з безпілотних літальних апаратів та супутників. Запропонована модель повинна мати дві основні переваги: по-перше, вона повинна слугувати універсальним рішенням для відновлення різних деградованих зображень у межах однієї мережі; по-друге, вона не повинна покладатися на попередні знання про типи та рівні корупції, а використовувати лише саме пошкоджене зображення для прийняття висновків. Такі переваги забезпечують більшу гнучкість та економічну ефективність у реальних сценаріях, де важко передбачити характер корупції, а деградація може змінюватись з часом та простором.
dc.description.abstractotherMaster's thesis: 101 p., 17 figures, 6 tables, 33 references, 1 appendix. Object of the research – methods for restoring images obtained from unmanned aerial vehicles and satellites that are subject to various types and degrees of corruption. Subject of the research – a universal image restoration model that includes a contrastive-based degraded encoder and a degradation-guided restoration network. Purpose of the work – to develop a comprehensive method capable of recovering images from various unknown types and degrees of corruption, with a specific focus on photos obtained from unmanned aerial vehicles and satellites. The proposed model should have two main advantages: first, it should serve as a universal solution for restoring diverse degraded images within a single network; second, it should not rely on prior knowledge of the types and levels of corruption but use only the corrupted image itself to make conclusions. These advantages ensure greater flexibility and cost-effectiveness in real-world scenarios, where it is challenging to predict the nature of corruption, and degradation can vary over time and space.
dc.format.extent101 с.
dc.identifier.citationРенський, М. М. Інтелектуальна система препроцесінгу зображень : дипломна робота ... бакалавра : 122 Комп'ютерні науки / Ренський Михайло Михайлович. – Київ, 2024. – 101 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/69909
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectмашинне навчання
dc.subjectреконструкція зображень
dc.subjectпрепроцесинг зображень
dc.subjectнейронна мережа
dc.subjectmachine learning
dc.subjectimage reconstruction
dc.subjectimage preprocessing
dc.subjectneural network
dc.titleІнтелектуальна система препроцесінгу зображень
dc.typeBachelor Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
Renskyi_bakalavr.docx
Розмір:
976.62 KB
Формат:
Microsoft Word XML
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 (ШІ)
Бакалаврські роботи