?

Details
Table Card RUSMARC
Title: Исследование эффективности искусственных нейронных сетей для улучшения качества изображений при увеличении их разрешения: магистерская диссертация: 02.04.03
Creators: Гарнага Анастасия Васильевна
Scientific adviser: Пак Вадим Геннадьевич
Organization: Санкт-Петербургский политехнический университет Петра Великого. Институт промышленного менеджмента, экономики и торговли
Imprint: Санкт-Петербург, 2018
Collection: Выпускные квалификационные работы; Общая коллекция
Subjects: Нейронные сети; Изображения; Интерполяция; Математическое моделирование; разрешение изображений; качество изображений
UDC: 519.876.5(043.3); 004.032.26(043.3); 519.218.82(043.3); 004.932.4(043.3)
Document type: Master graduation qualification work
File type: PDF
Language: Russian
Level of education: Master
Speciality code (FGOS): 02.04.03
Speciality group (FGOS): 020000 - Компьютерные и информационные науки
DOI: 10.18720/SPBPU/2/v18-290
Rights: Доступ по паролю из сети Интернет (чтение, печать, копирование)
Record key: RU\SPSTU\edoc\52046

Allowed Actions: –

Action 'Read' will be available if you login or access site from another network Action 'Download' will be available if you login or access site from another network

Group: Anonymous

Network: Internet

Annotation

В данной работе рассмотрен вопрос эффективности использования искусственных нейронных сетей для увеличения разрешения изображений. Дан обзор существующих алгоритмов интерполяции и моделей искусственных нейронные сетей, применяющихся для решения данной задачи. Приведено описание метрик оценки качества работы алгоритмов. Создана программная реализация с использованием нескольких алгоритмов интерполяции и моделей искусственных нейронных сетей.

Document access rights

Network User group Action
ILC SPbPU Local Network All Read Print Download
Internet Authorized users SPbPU Read Print Download
-> Internet Anonymous

Table of Contents

  • СОДЕРЖАНИЕ
  • Введение
  • Глава 1. Обзор методов увеличения изображений и применяющихся для этого ИНС
  • 1.1 Методы увеличения изображений
  • 1.2 Искусственные нейронные сети
  • 1.2.1 Общая характеристика и определение ИНС
  • 1.2.2 Свертночные ИНС
  • 1.2.3 Генеративно-состязательные ИНС
  • 1.3 Выводы по первой главе
  • Глава 2. Выбор алгоритмов и моделей инс для исследования
  • 2.1 Выбор методов интерполяции
  • 2.2 Описание выбранных моделей ИНС
  • 2.2.1 SRCNN
  • 2.2.2 SRGAN
  • 2.3 Выбор метрик для сравнения результатов работы алгоритмов и ИНС
  • Выводы по второй главе
  • Глава 3. Программная реализация
  • 3.1 Выбор языка программирования и библиотек
  • 3.2 Подготовка базы изображений
  • 3.3 Описание программной реализации
  • 3.3.1 Общая структура программы
  • 3.3.2 Модуль подготовки изображений
  • 3.3.3 Модуль алгоритмов интерполяции
  • 3.3.4 Модуль сравнения изображений
  • 3.3.5 Модуль генеративно-соревновательной ИНС
  • Выводы по третьей главе
  • Глава 4. Исследование полученных результатов
  • 4.1. Описание экспериментов
  • 4.2. Сравнение обучения моделей ИНС и работы алгоритмов
  • 4.3. Сравнение результатов работы алгоритмов и моделей ИНС по выбранным метрикам
  • Выводы по четвертой главе
  • Заключение
  • Список использованных источников
  • Приложение 1
  • Исходный код конфигурационного файла config.py
  • Приложение 2
  • Исходный код файла download_images.py
  • Приложение 3
  • Исходный код файла prepare_data.py
  • Приложение 4
  • Исходный код файла interpolation.py
  • Приложение 5
  • Исходный код файла compare.py
  • Приложение 6
  • Исходный код файла srgan.py
  • Приложение 7
  • Исходный код файла train.py
  • Приложение 8
  • Исходный код файла test.py

Usage statistics

stat Access count: 1374
Last 30 days: 1
Detailed usage statistics