Породжувальні моделі та методи глибокого навчання для формування зображень
Вантажиться...
Дата
2024
Автори
Науковий керівник
Назва журналу
Номер ISSN
Назва тому
Видавець
КПІ ім. Ігоря Сікорського
Анотація
Магістерська дисертація: 100 с., 27 рис., 29 табл., 1 додаток, 41 джерело.
У даній роботі розглядаються породжувальні моделі та методи формування зображень на прикладі збільшення роздільності зображень.
Проводяться експерименти з власної реалізації моделей SRGAN, VDSR, DRCN, SRCNN та використання технології їх донавчання, здійснюється аналіз результатів та визначається оптимальна модель на основі кількісних та перцепційних показників якості, технічних критеріїв та візуальної оцінки.
Об’єкт дослідження – високороздільні зображення, породжені методами глибокого навчання.
Предмет дослідження – архітектура та навчання породжувальних моделей та глибоких серед для збільшення роздільності.
Метою даної роботи є власна реалізація відомих моделей SISR з більш простою архітектурою та застосування технології донавчання з тонким налаштуванням для знаходження оптимальної за сукупністю показників моделі збільшення роздільності зображень.
Наукова новизна роботи полягає у визначенні алгоритмів навчання та об’єктивного оцінювання результатів для забезпечення гнучкості проведення експериментів, оптимізації використання обчислювальних ресурсів, вибору оптимальної моделі для різних вихідних даних та пріоритетних потреб задачі за сукупністю критеріїв.
Результатом роботи є програмний продукт для збільшення роздільності зображень, розроблений засобами мови програмування Python.
Опис
Ключові слова
глибоке навчання, породжувальні моделі, збільшення роздільності зображень, перцепційна якість, srgan, vdsr, drcn, srcnn, deep learning, generative models, image resolution enhancement, perceptual quality
Бібліографічний опис
Ланько, А. А. Породжувальні моделі та методи глибокого навчання для формування зображень : магістерська дис. : 124 Системний аналіз / Ланько Анна Анатоліївна. - Київ, 2024. - 100 с.