Search academic texts

Information × Registration Number 2119U006880, Article popup.category Бакалаврська робота Title Методи масштабування зображень без втрати якості з використанням нейронних мереж (AI translated) popup.author Фоменко Нікіта АндрійовичFomenko Nikita Andriiovych popup.publication 01-01-2019 popup.source_user Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського» popup.source https://ela.kpi.ua/handle/123456789/29541 popup.publisher Київ Description Дипломна робота: 149 с., 55 рис., 9 табл., 2 дод., 15 джерел. В цій роботі розглядається SRGAN – генеративно змагальна нейронна мережа для масштабування зображень. Це один з найперших фреймворків, що використовується на збільшення зображень у 4 рази, при цьому майже без втрат якості. Для цього було запропоновано перцептивну функцію втрат. Також було проведе порівняння з іншими методами масштабування, такими як білінійна та бікубічна інтерполяції, метод Ланцоша та метод найближчого сусіда. Об’єкт дослідження: зображення малого розміру, зображення з низькою роздільною здатністю. Предмет дослідження: методи нейронних мереж, інтерполяційні для збільшення зображення та покращення їх роздільної здатності. Мета роботи: дослідити моделі нейронних мереж для покращення якості зображення з малою роздільною здатністю. Методи дослідження: чисельні експерименти з порівнянням результатів, що імплементовані за допомогою мови програмування Python та бібліотеки Tensorflow. The work consists of 149 pages, 55 images, 9 tables, 2 appendices, 15 sources.The SRGAN is a Generative Adversarial Neural Network for Image Scaling discussed in this paper. This is one of the very first frameworks used to scale-up images up to 4 times, with almost no loss of quality. For this purpose, a perceptive function of losses was proposed. A comparison was also made with other scaling methods, such as bilinear and bicubic interpolation, the Lanczos method, and the nearest neighbor method. Object of research: small image, low resolution image. Subject of research: methods of neural networks, interpolation to scale-up the image and improve their resolution. Objective: to explore models of neural networks to improve the quality of images with low resolution. Research methods: numerous comparative experiments implemented using Python programming language and Tensorflow library. popup.nrat_date 2025-11-05 Close