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: PDF
Язык: Русский
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)

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

Аннотация

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.

Права на использование объекта хранения

Место доступа Группа пользователей Действие
Локальная сеть ИБК СПбПУ Все Прочитать Печать Загрузить
Интернет Авторизованные пользователи СПбПУ Прочитать Печать Загрузить
Интернет Авторизованные пользователи (не СПбПУ)
-> Интернет Анонимные пользователи

Оглавление

  • 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

Статистика использования

stat Количество обращений: 218
За последние 30 дней: 0
Подробная статистика