Спосіб автоматичної корекції дефектів зображень
Вантажиться...
Дата
2020-12
Автори
Науковий керівник
Назва журналу
Номер ISSN
Назва тому
Видавець
КПІ ім. Ігоря Сікорського
Анотація
Актуальність теми
Зараз нейронні мережі дуже популярні, кожен день з’являються нові інструменти і дата-сети, за допомогою яких можна вирішувати найрізноманітніші задачі.
Люди дуже активно використовують соціальні мережі та месенджери.
Одним із найбільш поширених типів контенту, якими обмінюються користувачі, є фотографія. У зв’язку з цим створюється інструменти, які допомагають оброблювати фотографії, накладання різноманітних ефектів, видалення шуму тощо.
Тому дослідження методів і алгоритмів, які домагають створювати більш ефективні інструменти для редагування зображень є дуже актуальною темою.
Об’єкт дослідження
Процес створення та навчання автокодувальників і використання їх для корекції зображень.
Предметом дослідження
Використання автокодувальників для задач з корекції зображень. Дослідження ефективності використання індексу Соренсена, як метрики для продуктивності нейронної мережі.
Мета роботи
Створення ПЗ, в основі якого лежить використання згорткової нейронної мережі, за допомогою якого можна здійснювати корекцію зображень.
Наукова новизна
1. Проаналізовані існуючі методи та алгоритми статичного аналізу зображень і показано, шо ці методи мають недоліки: мала контекстуальна кореляція пікселя і його оточення, неможливість аналізу при великих «пустих» зонах.
2. Запропоновано метод для корекцій зображення, який базується на використані нейронних мереж.
Практична цінність
На даний момент існує величезна кількість різних інструментів, яка допомагає користувачам редагувати їх зображення. У більшості випадків, функціональність пов’язана з видаленням об’єктів залишається тільки для досвідчених користувачів. У новачків часто не вистачає досвіду, для того щоб правильно їм скористатися і домогтися свої цілей.
Нейронні мережі мають здатність добре виконувати свої задачі і не брати до уваги досвід користувача. Методи, які описані в даній дипломній роботі, можуть використовуватися для створення додатків, котрі можуть допомагати користувачам редагувати свої фото в одне натиснення кнопки.
Апробація роботи
Основні положення і результати роботи були представленні на:
1. XІІІ науковій конференції магістрантів та аспірантів “Прикладна математика та комп’ютинг” ПМК-2020 (Київ, 18-20 листопада 2020 р.).
2. VІІ Міжнародна науково-технічна Internet-конференція «Сучасні методи, інформаційне, програмне та технічне забезпечення систем керування організаційно-технічними та технологічними комплексами». (Київ, 26 листопада 2020 р.).
Структура та обсяг роботи
Магістерська робота складається з вступу, чотирьох розділів на висновків.
У вступі подано загальну характеристику роботу, показано наукову новизну і практичну цінність роботи. Зроблено короткий огляд на технологічний стек, який використовується для створення ПЗ.
У першому розділі розглянуто і проаналізовано існуючі методи для реставрації зображення. Проведено порівняння класичних статичних методів і використання нейронних мереж в контексті роботи.
У другому розділі наведено опис архітектури нейронної мережі та методів її навчання.
У третьому розділі наведено особливості практичної реалізації мереж
У четвертому розділі наведено результати роботи нейронної мережі та порівняння з класичними методами.
У висновках описані результати проведеної роботи.
Опис
Ключові слова
Keras, нейронні мережі, згорткові нейронні мережі, машинне навчання, індекс Соренсена
Бібліографічний опис
Місячний, І. В. Спосіб автоматичної корекції дефектів зображень : магістерська дис. : 123 Комп’ютерна інженерія / Місячний Ігор Валерійович. – Київ, 2020. – 73 с.