Стиснення зображень латентного простору моделі DCGAN
Вантажиться...
Дата
2025
Автори
Науковий керівник
Назва журналу
Номер ISSN
Назва тому
Видавець
КПІ ім. Ігоря Сікорського
Анотація
Дипломна робота: 93 ст., 11 рис., 1 додаток 15 посилань.
Дипломна робота присвячена дослідженню методів стискання зображень за допомогою глибоких генеративних змагальних нейронних мереж, зокрема модифікованої архітектури DCGAN. Актуальність дослідження обумовлена стрімким зростанням обсягів супутникових знімків та необхідністю ефективного стиснення даних без суттєвих втрат якості, що критично важливо для геоаналітики, екологічного моніторингу, містобудування та безпеки. Метою роботи є розробка та дослідження методики стиснення супутникових зображень на основі генеративної нейронної мережі DCGAN. У процесі дослідження було проведено аналіз предметної області, вивчено особливості отримання супутникових знімків, їхню спектральну структуру та застосування. Було розглянуто класифікацію генеративних змагальних мереж та їх застосування у задачах стискання. Об'єктом дослідження є процес стискання зображень, а предметом – використання модифікованої DCGAN архітектури для зменшення обсягу зображень із можливістю їх візуально достовірної реконструкції. У ході роботи розроблено модифіковану генеративну модель, яка включає енкодер, генератор та дискримінатор PatchGAN. Додатково впроваджено перцептивну функцію втрат на основі VGG16 для підвищення якості відновлення. Проведено експериментальні дослідження на супутникових знімках із датасету RESISC45, що дозволило оцінити ефективність запропонованого підходу. Результати показали, що модель здатна суттєво зменшити розмір зображень, водночас забезпечуючи якість реконструкції, порівнянну з сучасними методами компресії. Оцінка ефективності базувалася на показниках PSNR, SSIM та FID, що підтвердило переваги використання генеративних нейронних мереж над традиційними методами. Отримані результати мають перспективи практичного застосування в автоматизованих системах обробки супутникових даних.
Опис
Ключові слова
глибокі генеративні нейронні мережі, стискання зображень, dcgan, perturbed loss, patchgan-дискримінатор, deep generative neural networks, image compression, dcgan, perturbed loss, patchgan discriminator
Бібліографічний опис
Гунько, В. С. Стиснення зображень латентного простору моделі DCGAN : дипломна робота … бакалавра : 122 Комп'ютерні науки / Гунько Володимир Сергійович. – Київ, 2025. – 84 с.