Пошук академічних текстів

Інформація × Реєстраційний номер 0222U004908, 0121U111107 , Науково-дослідна робота Назва роботи Підвищення роздільної здатності інфрачервоного зображення з використанням згорткової нейронної мережі Назва етапу роботи Керівник роботи Варфоломєєв Антон Юрійович, Кандидат технічних наукЯганов Петро Олексійович, Кандидат технічних наук Дата реєстрації 17-11-2022 Організація виконавець Національний технічний університет України "Київський політехнічний інститут імені Ігоря Сікорського" Опис етапу Актуальність. Проблема збільшення роздільної здатності інфрачервоних сенсорів постає через, насамперед, критичність сфер їхнього застосування (військова справа, медицина, та ін.), та низьку, порівняно із іншими типами камер, роздільну здатність. Одним з найсучасніших підходів до вирішення цієї проблеми є застосування нейронних мереж. Отже, актуальною є розробка абсолютно нових та вдосконалення вже існуючих методів підвищення роздільної здатності інфрачервоних зображень на базі нейронних мереж. Метою роботи є удосконалення існуючих методів на основі згорткових нейромереж для підвищення роздільної здатності інфрачервоних зображень, створення алгоритмічних і програмних рішень їх реалізації. Для досягнення поставленої мети в роботі вирішувалися наступні задачі: 1) аналіз існуючих методів збільшення роздільної здатності зображень та обрання базової моделі для подальшого удосконалення – нейронної мережі BCLSR; 2) розробка нейронної мережі HCNNSR, її моделювання та порівняльний аналіз із BCLSR. Об’єктом дослідження є процес підвищення роздільної здатності інфрачервоних зображень. Предметом дослідження є методи підвищення роздільної здатності інфрачервоних зображень за допомогою штучних нейронних мереж. Методами дослідження є згорткові нейронні мережі. Наукова новизна отриманих результатів полягає в тому, що: 1) Вперше нейронну мережу ВСLSR запропоновано застосувати для підвищення роздільної здатності інфрачервоних зображень. 2) Розроблено нейронну мережу HCNNSR як удосконалення BCLSR. Запропонована нейронна є майже вдвічі (в 1,9 разів) швидшою та більш точно відновлює зображення (за параметром PSNR різниця сягає 0,063 дБ). Практичне значення отриманих результатів визначається створеними алгоритмічними та програмними рішеннями реалізації запропонованої нейронної мережі. Програмна модель HCNNSR створена на мові програмування Python засобами бібліотеки Tensorflow в середовищі Google Colaboratory. Опис продукції Автори роботи Ярошенко Максим Олександрович Додано в НРАТ 2022-11-17 Закрити