Математичне та програмне забезпечення системи генерації зображень на основі методів глибинного навчання

Скорочена інформація про документ
dc.contributor.advisorТретиник, Віолета Вікентіївна
dc.contributor.authorБудзінський, Євген Олександрович
dc.date.accessioned2024-06-13T07:12:22Z
dc.date.available2024-06-13T07:12:22Z
dc.date.issued2023
dc.description.abstractДипломну роботу виконано на 73 аркушах, вона містить 3 додатки та перелік посилань на використані джерела з 21 найменувань. У роботі наведено 30 рисунків та 8 таблиць. Метою даної роботи є спрощення та алгоритмізація процесу створення зображень художнього характеру. Автоматизація процесу апроксимації розподілу зображень, як даних у багатовимірному просторі, та генерація зображень, що мають схожий набір характеристик до початкових даних. У роботі проведено аналіз існуючих рішень для вирішення проблеми генерації зображень, а саме: генеративна змагальна мережа, варіаційний автокодувальник та дифузійна модель. Виконано їх порівняння з погляду на швидкість навчання, якості згенерованих зображень та швидкості генерації кожного окремого зображення. Для вирішення поставленої задачі, було використано генеративну змагальну мережу. Для підвищення ефективності генерації зображень, було вирішено об’єднати модель генеративної змагальної мережі зі структурою згорткових нейронних мереж. Проведено пошук модифікації генеративної змагальної мережі, яка б дозволила побороти проблему колапсу режиму. Встановлено, що модель генеративної змагальної мережі Васерштайна з градієнтним штрафом, дозволяє вирішити проблему колапсу режиму, щонайменше на розглянутому проміжку навчання, тому її було обрано в якості основної. Розроблено систему, що дозволяє генерувати зображення художнього характеру. Виконано тестування розробленої системи.
dc.description.abstractotherThe thesis presented in 73 pages. It contains 3 appendixes and bibliography of 21 references, 30 figures and 8 tables are given in the thesis. The purpose of this work is to simplify and algorithmize the process of creating artistic images. Automating the process of approximating the distribution of images as data in a multidimensional space and generating images that have a similar set of characteristics to the original data. The paper analyzes the existing solutions for solving the problem of image generation, namely: generative competitive network, variational auto encoder, and diffusion model. They were compared in terms of learning speed, quality of generated images, and generation speed of each image. To solve the problem, a generative adversarial network was used. To increase the efficiency of image generation, it was decided to combine the generative competitive network model with the structure of convolutional neural networks. A search for a modification of the generative adversarial network, which would allow overcoming the problem of mode collapse, was conducted. It was established that the model of Wasserstein generative adversarial network with a gradient penalty allows solving the problem of mode collapse, at least on the considered learning interval, therefore it was chosen as the main one. A system has been developed that allows you to generate an art images. Then developed system was tested.
dc.format.extent114 с.
dc.identifier.citationБудзінський, Є. О. Математичне та програмне забезпечення системи генерації зображень на основі методів глибинного навчання : дипломна робота … бакалавра : 113 Прикладна математика / Будзінський Євген Олександрович. – Київ, 2023. – 114 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/67136
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectмашинне навчання
dc.subjectнейроні мережі
dc.subjectзгорткові нейронні мережі
dc.subjectгенерація зображень
dc.subjectгенерація мистецтва
dc.subjectгенеративна модель
dc.subjectгенеративна змагальна мережа
dc.subjectгенеративна змагальна мережа Васерштайна
dc.subjectгенеративна змагальна мережа Васерштайна з градієнтним штрафом
dc.titleМатематичне та програмне забезпечення системи генерації зображень на основі методів глибинного навчання
dc.typeBachelor Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Budzinskyi_bakalavr.pdf
Розмір:
5.66 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 (ПМА)
Бакалаврські роботи