Детальная информация
Название | Исследование эффективности искусственных нейронных сетей для улучшения качества изображений при увеличении их разрешения: магистерская диссертация: 02.04.03 |
---|---|
Авторы | Гарнага Анастасия Васильевна |
Научный руководитель | Пак Вадим Геннадьевич |
Организация | Санкт-Петербургский политехнический университет Петра Великого. Институт промышленного менеджмента, экономики и торговли |
Выходные сведения | Санкт-Петербург, 2018 |
Коллекция | Выпускные квалификационные работы ; Общая коллекция |
Тематика | Нейронные сети ; Изображения ; Интерполяция ; Математическое моделирование ; разрешение изображений ; качество изображений |
УДК | 519.876.5(043.3) ; 004.032.26(043.3) ; 519.218.82(043.3) ; 004.932.4(043.3) |
Тип документа | Выпускная квалификационная работа магистра |
Тип файла | |
Язык | Русский |
Уровень высшего образования | Магистратура |
Код специальности ФГОС | 02.04.03 |
Группа специальностей ФГОС | 020000 - Компьютерные и информационные науки |
DOI | 10.18720/SPBPU/2/v18-290 |
Права доступа | Доступ по паролю из сети Интернет (чтение, печать, копирование) |
Ключ записи | RU\SPSTU\edoc\52046 |
Дата создания записи | 15.03.2018 |
Разрешенные действия
–
Действие 'Прочитать' будет доступно, если вы выполните вход в систему или будете работать с сайтом на компьютере в другой сети
Действие 'Загрузить' будет доступно, если вы выполните вход в систему или будете работать с сайтом на компьютере в другой сети
Группа | Анонимные пользователи |
---|---|
Сеть | Интернет |
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.
Место доступа | Группа пользователей | Действие |
---|---|---|
Локальная сеть ИБК СПбПУ | Все |
|
Интернет | Авторизованные пользователи СПбПУ |
|
Интернет | Анонимные пользователи |
|
- 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
Количество обращений: 1375
За последние 30 дней: 0