1Анализ проблемы повышения разрешения
2Применение нейронных сетей для увеличения разрешения изображений
2.1Классические методы увеличения изображения
2.2Генерирование изображений с высоким разрешением с
использованием глубоких нейронных сетей
3Программная реализация приложения для нейросетевого увеличения
разрешения изображений
3.1Подготовка данных
3.2Средства разработки программного обеспечения
3.3Структура приложения
3.4Графический интерфейс приложения
3.5Результаты тестирования приложения
Заключение
Список используемой литературы
Расширение сфер применения систем компьютерного зрения связано с потребностью автоматизации технических и социальных процессов. Благодаря их использованию решаются такие задачи как анализ медицинских изображений, анализ дорожно-транспортной обстановки. Алгоритмы анализа изображений, лежащие в основе работы таких систем, чувствительны к качеству входных изображений. Поэтому актуальным исследовательской задачей остается разработка и совершенствование алгоритмов повышения разрешения изображений.
В данной бакалаврской работе исследуются способы увеличения разрешения изображений на основе нейросетевых технологий.
В исследовании предложены модификации генеративно состязательные сети SRGAN, заключающиеся в удалении слоев батч- нормализация в генераторе для повышения его производительности и снижении вычислительной сложности расчётов. Также предложены изменения по работе дискриминатора в части классификации изображений.
Цель работы - разработка приложения, для повышения разрешения изображения с использованием глубоких нейронных сетей.
На языке Python разработано приложение, которое демонтирует возможности предложенного варианта нейронной сети при решении задачи увеличения разрешения изображений. Работа приложения протестирована на различных изображениях.
В результате написания бакалаврской работы были сделаны
следующие выводы:
1. Алгоритмы анализа, используемые в системах компьютерного зрения, чувствительны к качеству изображения. Увеличение разрешения изображений возможно за счет использования более совершенного аппаратного обеспечения, но это является дорогостоящим решением проблемы. Другим путем является предобработка изображений с помощью алгоритмов, позволяющих повышать их разрешение. Поэтому актуальным исследовательской задачей остается разработка и совершенствование алгоритмов повышения разрешения изображений.
2.Анализ литературы показал, что при решении задачи увеличения изображений лучше всего себя показывают сверточные нейронные сети и генеративно-состязательные сети.
3.В исследовании предложены модификации генеративно состязательные сети SRGAN, заключающиеся в удалении слоев батч- нормализация в генераторе для повышения его производительности и снижении вычислительной сложности расчётов. Также предложены изменения по работе дискриминатора в части классификации изображений.
4.На языке Python разработано приложение, которое демонтирует возможности предложенного варианта нейронной сети при решении задачи увеличения разрешения изображений. Работа приложения протестирована на различных изображениях.
