Пошук академічних текстів

Інформація × Реєстраційний номер 2123U005944, Матеріали видань та локальних репозитаріїв Категорія Бакалаврська робота Назва роботи Вебсервіс для реставрування та колоризації фотографій на основі нейронних мереж Автор Дата публікації 01-01-2023 Постачальник інформації Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського» Першоджерело https://ela.kpi.ua/handle/123456789/59748 Видання Київ Опис Застосування штучного інтелекту для роботи із зображеннями сьогодні надзвичайно широке: від генерування творів мистецтва до визначення дефектів у продукції та аналізу медичних знімків. В останні роки для задач обробки зображень набула популярності архітектура GAN. Серед переваг такої мережі – ефективність та висока якість роботи. Модель GAN складається з двох підмереж – генератора та дискримінатора – які в процесі тренування «змагаються між собою». GAN лежить в основі багатьох сучасних мереж, призначених для роботи із зображеннями. У роботі розглянуто три різні задачі обробки зображень: колоризація (надання чорно-білому фото кольору), відновлення зображень від пошкоджень (шум, наявність «подряпини», занизькі або зависокі контраст і яскравість), підвищення роздільної здатності зображень. У цілому, перші дві задачі можна віднести до однієї категорії «переклад зображення до зображення» (англ. «image-to-image translation»), оскільки при обробці розмірність вхідного фото зберігаються. Свою ефективність для такої категорії задач показала умовна генеративна змагальна мережа Pix2pix, запропонована в роботі «Image-to-Image Translation with Conditional Adversarial Networks» (P. Isola, J. Zhu, T. Zhou та ін.). Модель Pix2pix є універсальною, тобто її архітектура не змінюється від тематики задачі. Для збільшення роздільної здатності було реалізовано модель SRGAN із роботи «Photo-Realistic Single Image Super-Resolution Using a Generative Adversarial Network» (C. Ledig, L. Theis, F. Huszar та ін.). Мережа дозволяє виконувати збільшення у довільну кількість разів, проте найчастіше виконують дво-, чотири- або восьмикратне збільшення. У роботі було досліджено роботу мережі на чотирикратному збільшенні. На основі розроблених нейронних мереж було створено завершений програмний продукт із веб-інтерфейсом користувача. Додано в НРАТ 2025-03-31 Закрити