Система модифікації зображень за допомогою генеративних нейронних мереж

Скорочена інформація про документ
dc.contributor.advisorКанцедал, Георгій Олегович
dc.contributor.authorПасічна, Олександра Віталіївна
dc.date.accessioned2024-11-28T12:38:20Z
dc.date.available2024-11-28T12:38:20Z
dc.date.issued2024
dc.description.abstractДипломна робота: 140 с., 9 табл., 21 рис., 2 додатки, 14 джерел. Об’єкт дослідження – розробка та аналіз методів обробки зображень за допомогою генеративних нейронних мереж, включаючи зміну стилю, покращення якості та колоризацію. Предмет дослідження – методи обробки зображень, оптимізація мереж для обробки зображень. Мета роботи – розробка та вдосконалення методів глибинного навчання для обробки зображень, включаючи зміну стилю, покращення якості та колоризацію, з метою створення алгоритмів, здатних автоматично перетворювати зображення різних типів та підвищувати їх візуальну якість. Результати – для задачі колоризації навчено три моделі: звичайну згорткову мережу, GAN з U-Net архітектурою, Pix2Pix підхід до генеративних змагальних мереж з U-Net архітектурою; також було навчено дві моделі для покращення якості зображення: той самий Pix2Pix підхід до генеративних змагальних мереж з U-Net архітектурою, SRGAN з residual blocks та використанням VGG19, і одну модель для неконтрольованої зміни стилю (переведення зображення в стиль картин Клода Моне): CycleGAN з U-Net архітектурою.
dc.description.abstractotherThesis: 140 pages, 9 tables, 21 figures, 2 appendices, 14 sources. The object of the research is the development and analysis of image processing methods using generative neural networks, including style change, quality improvement, and colorization. The subject of research is methods of image processing and optimization of networks for image processing. The purpose of the work - The purpose of the work is to develop and improve deep learning methods for image processing, including style change, quality improvement, and colorization, to create algorithms capable of automatically transforming images of different types and improving their visual quality. Results – three models were trained for the colorization task: a conventional convolutional network, GAN with U-Net architecture, Pix2Pix approach to generative competitive networks with U-Net architecture; two models were also trained to improve image quality: the same Pix2Pix approach to generative adversarial networks with U-Net architecture, SRGAN with residual blocks and using VGG19, and one model for unsupervised style change (transforming the image into the style of Claude Monet paintings): CycleGAN with U-Net architecture.
dc.format.extent139 с.
dc.identifier.citationПасічна, О. В. Система модифікації зображень за допомогою генеративних нейронних мереж : дипломна робота ... бакалавра : 124 Системний аналіз / Пасічна Олександра Віталіївна. - Київ, 2024. - 139 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/70881
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectпокращення якості зображення
dc.subjectколоризація
dc.subjectглибоке навчання
dc.subjectзгорткові нейронні мережі
dc.subjectнеконтрольоване перенесення стилю
dc.subjectгенеративно-змагальні нейронні мережі
dc.subjectimage enhancement
dc.subjectcolorization
dc.subjectdeep learning
dc.subjectconvolutional neural networks
dc.subjectunsupervised style transfer
dc.subjectadversal neural networks
dc.titleСистема модифікації зображень за допомогою генеративних нейронних мереж
dc.typeBachelor Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Pasichna_bakalavr.pdf
Розмір:
3.76 MB
Формат:
Adobe Portable Document Format
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