Методика покращення якості зображень на основі генеративних змагальних мереж
dc.contributor.advisor | Данилов, Валерій Якович | |
dc.contributor.author | Майко, Олексій Вікторович | |
dc.date.accessioned | 2021-04-05T15:55:00Z | |
dc.date.available | 2021-04-05T15:55:00Z | |
dc.date.issued | 2020 | |
dc.description.abstracten | Master’s thesis contains 127 pages, 35 drawings, 26 tables. And also 34 sources were used. In this paper, the current problems and issues in the field of improving the resolution of images are considered. High quality images are a necessary factor in ensuring the stable operation of recorders, as well as the appropriate frame rate for dynamic scenes. The purpose of this work is to investigate existing approaches to improving the resolution of images, improve them, develop our own, which will be better at solving the problem and reach a compromise between the productivity and speed of the software. The object of research is a test set of low-resolution image data. Methods of research - GAN, super resolution method. The software product is implemented using the Python programming language. After studying the method, a comparative analysis was conducted between our and other approaches that were used to solve the problem. In the work we have developed a method for improving the resolution of images based on deep convolutional neural networks using the super resolution method. A method is proposed that provides greater speed when used in practice and gives the contemporary quality of the result. Field of application: The work can be used to increase the resolution of images, especially in areas such as video surveillance, medical diagnostics, farming and remote sensing applications. | uk |
dc.description.abstractuk | Магістерська дисертація містить 127 с., 26 табл., 35 рис., 2 дод.. А також було використано 34 джерела. В даній роботі розглядаються актуальні проблеми та питання у галузі покращення роздільної здатності зображень. Висока якість зображень є необхідним фактором при забезпеченні стабільної роботу записуючих пристроїв, а також відповідної частоти кадрів для динамічних сцен. Метою даної роботи є дослідити існуючі підходи до покращення роздільної здатності зображень, покращити їх, розробити власний, який буде проявляти себе краще при вирішенні задачі та досягати компромісу між продуктивність та швидкістю відпрацювання програмного продукту. Та порівняти результати роботи з використанням глибинних згорткових мереж, які використовувалися у дипломній роботі. Об’єктом дослідження виступає тестовий набір даних зображень низької роздільної здатності. Методи дослідження – генеративно-змагальна нейронна мережа, метод супер роздільної здатності (Super Resolution). Програмний продукт реалізований за допомогою мови програмування Python. Після дослідження методу був проведений порівняльний аналіз між різними підходами для вирішення поставленої проблеми. 5 У виконаній роботі розроблено методику покращення роздільної здатності зображень на основі генеративно-змагальних нейронних мереж з використанням методу супер роздільної здатності. Пропонується спосіб, який забезпечує більшу швидкість при використанні на практиці та дає сучасну якість результату. Галузь застосування: проведена робота може бути використана при підвищенні роздільної здатності зображень, особливо в таких областях, як відеоспостереження, медична діагностика, фермерське господарство та застосування дистанційного зондування. | uk |
dc.format.page | 127 с. | uk |
dc.identifier.citation | Майко, О. В. Методика покращення якості зображень на основі генеративних змагальних мереж : магістерська дис. : 124 Системний аналіз / Майко Олексій Вікторович. – Київ, 2020. – 127 с. | uk |
dc.identifier.uri | https://ela.kpi.ua/handle/123456789/40415 | |
dc.language.iso | uk | uk |
dc.publisher | КПІ ім. Ігоря Сікорського | uk |
dc.publisher.place | Київ | uk |
dc.subject | комп’ютерні комунікації | uk |
dc.subject | комп’ютерна безпека та надійність | uk |
dc.subject | операційні системи | uk |
dc.subject | інформаційні системи | uk |
dc.subject | штучна нейронна мережа | uk |
dc.subject | штучний інтелект | uk |
dc.subject | метод зворотнього поширення помилки | uk |
dc.subject | роздільна здатність зображення | uk |
dc.subject | відновлення зображень | uk |
dc.subject | прибирання шуму з зображень | uk |
dc.subject | глибокі згорткові нейронні мережі | uk |
dc.subject | розріджене кодування | uk |
dc.subject | computer communications | uk |
dc.subject | computer security and reliability | uk |
dc.subject | operating systems | uk |
dc.subject | information systems | uk |
dc.subject | artificial neural network | uk |
dc.subject | artificial intelligence | uk |
dc.subject | backpropagation | uk |
dc.subject | binding immunity | uk |
dc.subject | restoring images | uk |
dc.subject | image denoising | uk |
dc.subject | generative adversarial neural networks | uk |
dc.subject | reduced coding | uk |
dc.subject.udc | 004.932.4 | uk |
dc.title | Методика покращення якості зображень на основі генеративних змагальних мереж | uk |
dc.type | Master Thesis | uk |
Файли
Контейнер файлів
1 - 1 з 1
Вантажиться...
- Назва:
- Maiko_magistr.pdf
- Розмір:
- 5.74 MB
- Формат:
- Adobe Portable Document Format
- Опис:
Ліцензійна угода
1 - 1 з 1
Ескіз недоступний
- Назва:
- license.txt
- Розмір:
- 9.01 KB
- Формат:
- Item-specific license agreed upon to submission
- Опис: