Спосіб та програмне забезпечення для комплексної оцінки та покращення якості зображень з використанням нейронних мереж

Скорочена інформація про документ
dc.contributor.advisorСулема, Євгенія Станіславівна
dc.contributor.authorЛампіга, Юрій Анатолійович
dc.date.accessioned2019-04-11T12:22:01Z
dc.date.available2019-04-11T12:22:01Z
dc.date.issued2018
dc.description.abstractАктуальність. Обсяги цифрової інформації постійно зростають. Крім того, з розвитком програмних та апаратних технологій, підвищуються загальні вимоги до якості цифрових даних, зокрема до якості зображень. Водночас, поширення набувають методи обробки даних за допомогою алгоритмів штучного інтелекту та глибокого навчання, зокрема з використанням нейронних мереж. На сьогодні запропоновано велику кількість архітектур нейронних мереж для обробки зображень. Аналіз запропонованих рішень показує, що й досі не існує такої моделі, яка б була кращою за суб’єктивними та об’єктивними метрикам. Тому розроблення способу для комплексної оцінки та покращення якості зображень з використання нейронних мереж є актуальним. Об’єктом дослідження є процес комплексної оцінки та покращення якості зображень з використанням нейронних мереж. Предметом дослідження є способи та засоби комплексної оцінки та покращення якості зображень з використанням нейронних мереж. Метою дослідження є аналіз існуючих способів комплексної оцінки та покращення якості зображень з використанням нейронних мереж, їх властивостей, особливостей з подальшим створенням вдосконаленого способу. Методи дослідження. В роботі використовуються статистичні та емпіричні методи. Наукова новизна роботи полягає в наступному: 1. Запропоновано спосіб покращення якості зображень, який на відміну від існуючих способів використовує згорткову нейронну мережу, яка не потребує навчання на великих наборах даних. 2. Запропоновано спосіб комплексної оцінки якості зображень, який на відміну від існуючих способів використовує усереднене значення метрик PSNR, SSIM, MSE. Практична цінність роботи полягає у можливості застосування отриманих результатів для ефективного використання згорткової нейронної мережі для задачі обробки зображень. Апробація роботи. Основні положення і результати роботи доповідалися та обговорювалися на Х науковій конференції магістрантів та аспірантів «Прикладна математика та комп’ютинг» ПМК-2018. Структура та обсяг роботи. Магістерська дисертація складається з вступу, п’яти розділів, висновків та додатків. У вступі наведена загальна характеристика роботи та наведено сферу застосування розробленого способу. У першому розділі проведено аналіз існуючих методів, способів та алгоритмів, які стосуються аналізу та обробки зображень. У другому розділі описано спосіб комплексної оцінки та покращення якості зображень з використанням нейронних мереж та архітектуру розробленої нейронної мережі. У третьому розділі описано архітектуру програмного забезпечення, визначено кінцевий алгоритм роботи, описано формат вхідних даних, з якими буде працювати реалізоване програмне забезпечення. Четвертий розділ містить результати роботи програмного засобу та результати його порівняння з існуючими засобами. У п’ятому розділі наведено побудову бізнес-моделі, що обґрунтовує доцільність реалізованого програмного забезпечення та прогнозує його потенційну прибутковість у майбутньому. У висновках проаналізовано отримані результати роботи. Робота виконана на 77 аркушах, містить посилання на список використаних літературних джерел.uk
dc.description.abstractenRelevance. The volume of digital information is constantly increasing. In addition, with the development of software and hardware technologies, the requirements for the quality of digital data, in particular the quality of images, are raising. At the same time, the popularity of data processing methods with the artificial intelligence algorithms and deep learning are growing, in particular with neural networks. A large number of neural network architectures for image processing have been proposed. The analysis of the proposed solutions shows that there is still no such model that would have best subjective and objective metrics. Therefore, the development of a method for comprehensive evaluation and image quality improvement with neural networks is relevant. The object of research in this paper there is a process of complex image evaluation and image quality improvement using neural networks. The subject of the study are methods and software for the complex image quality evaluation and image quality improvement using neural networks. The purpose of the study is an analysis of existing methods for image quality evaluation and image quality improvement with neural networks, their properties, features, and the further implementation of the method. Research methods. Statistical and empirical methods. The scientific novelty of the work is as follows: 1. Proposed image quality improvement method uses convolutional neural networks that does not require training with large datasets, unlike the existing methods. 2. Proposed complex image quality evaluation method uses values of metrics PSNR, SSIM, MSE, unlike the existing methods. The practical value of the work is to use the results of research for efficient usage of convolutional neural networks for the image processing. Test work. The main provisions and results of work were reported and discussed at the Xth International Conference of Masters and Postgraduate Students "Applied Mathematics and Computer", PMK-2018. Structure and scope of work. The master's dissertation consists of an introduction, five sections, conclusions and appendices. The introduction provides a general description of the work, an assessment of the current state of the problem, the relevance of the research direction. The first section contains the existing methods for image quality improvement analysis. The second section contains the review of complex image analysis and image quality improvement with neural networks, and neural network architecture. The third section contains the software architecture, the definite algorithm. The fourth section contains the results of development and shows images processed by the developed method. The fifth section presents the construction of a business model that justifies the feasibility of the software and predicts its potential profitability in the future. The conclusions are analyzed the results of work. The work is performed on 77 sheets and contains the list of used sources.uk
dc.description.abstractruАктуальность. Объемы цифровой информации постоянно растут. Помимо этого, с развитием программных и аппаратных технологий, повышаются общие требования к качеству цифровых данных, в частности к качеству изображений. В то же время, распространение получают методы обработки данных с помощью алгоритмов искусственного интеллекта и глубокого обучения, в частности с использованием нейронных сетей. На сегодня предложено большое количество архитектур нейронных сетей для обработки изображений. Анализ предлагаемых решений показывает, что до сих пор не существует такой модели, которая была лучше по субъективным и объективным метрикам. Поэтому разработка способа для комплексной оценки и улучшения качества изображений с использованием нейронных сетей является актуальной. Объектом исследования является процесс комплексной оценки и улучшения качества изображений с использованием нейронных сетей. Предметом исследования являются способы и средства комплексной оценки и улучшения качества изображений с использованием нейронных сетей. Целью исследования является анализ существующих способов комплексной оценки и улучшения качества изображений с использованием нейронных сетей, их свойств, особенностей с последующим созданием собственного способа. Методы исследования. В работе используются статистические и эмпирические методы. Научная новизна работы заключается в следующем: 1. Предложен способ улучшения качества изображений, который в отличие от существующих способов использует згорткових нейронную сеть, которая не требует обучения на больших наборах данных. 2. Предложен способ комплексной оценки качества изображений, который в отличие от существующих способов использует усредненное значение метрик PSNR, SSIM, MSE. Практическая ценность работы состоит в возможности применения полученных результатов для эффективного использования свёрточной нейронной сети для обработки изображений. Апробация работы. Основные положения и результаты работы докладывались и обсуждались на Х научной конференции магистрантов и аспирантов «Прикладная математика и компьютинг» ПМК-2018. Структура и объем работы. Магистерская диссертация состоит из введения, пяти разделов, заключения и приложений. Во введении приведена общая характеристика работы. В первом разделе проведен анализ существующих методов, способов и алгоритмов касающихся анализа и обработки изображений, как с использованием нейронных сетей, так и без них. Во втором разделе описан способ комплексной оценки и улучшения качества изображений с помощью нейронных сетей, и архитектуру разработанной нейронной сети. В третьем разделе описано архитектуру программного обеспечения, определены конечный алгоритм работы. В четвертом разделе содержит результаты работы программного средства и проведено сравнение с существующими средствами. В пятом разделе приведено построение бизнес-модели, обоснована целесообразность реализованного программного обеспечения, приведён прогноз её потенциальной прибыльности в будущем. В выводах проанализированы полученные результаты работы. Работа выполнена на 77 страницах, содержит список использованных литературных источников. Ключевые слова: нейронная сеть, компьютерная графика, обработка изображений, свёрточная нейронная сеть.uk
dc.format.page97 с.uk
dc.identifier.citationЛампіга, Ю. А. Спосіб та програмне забезпечення для комплексної оцінки та покращення якості зображень з використанням нейронних мереж : магістерська дис. : 121 Інженерія програмного забезпечення / Лампіга Юрій Анатолійович. – Київ, 2018. – 97 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/27152
dc.language.isoukuk
dc.publisher.placeКиївuk
dc.subjectнейронна мережаuk
dc.subjectкомп’ютерна графікаuk
dc.subjectобробка зображеньuk
dc.subjectзгорткова нейронна мережаuk
dc.subjectcomputer graphicsuk
dc.subjectconvolutional networkuk
dc.subjectneural networkuk
dc.subjectimage processinguk
dc.subject.udc004.932uk
dc.titleСпосіб та програмне забезпечення для комплексної оцінки та покращення якості зображень з використанням нейронних мережuk
dc.typeMaster Thesisuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Lampiha_magistr.pdf
Розмір:
1.95 MB
Формат:
Adobe Portable Document Format
Опис:
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
9.1 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Магістерські роботи (ПЗКС)
Магістерські роботи