📄Работа №129067
Тема: Применение искусственных нейронных сетей в задаче восстановления изображений
Тип работы
Бакалаврская работа
Предмет
информатика
Объем:
30 листов
Год:
2020
Просмотров:
53
4235
руб.
🛒 Купить работу
Не подходит эта работа?
Закажите новую по вашим требованиям
Узнать цену на написание
Закажите новую по вашим требованиям
Представленный материал является образцом учебного исследования, примером структуры и содержания учебного исследования по заявленной теме. Размещён исключительно в информационных и ознакомительных целях.
Workspay.ru оказывает информационные услуги по сбору, обработке и структурированию материалов в соответствии с требованиями заказчика.
Размещение материала не означает публикацию произведения впервые и не предполагает передачу исключительных авторских прав третьим лицам.
Материал не предназначен для дословной сдачи в образовательные организации и требует самостоятельной переработки с соблюдением законодательства Российской Федерации об авторском праве и принципов академической добросовестности.
Авторские права на исходные материалы принадлежат их законным правообладателям. В случае возникновения вопросов, связанных с размещённым материалом, просим направить обращение через форму обратной связи.
Настоящий учебно-методический информационный материал размещён в ознакомительных и исследовательских целях и представляет собой пример учебного исследования. Не является готовым научным трудом и требует самостоятельной переработки.
📋 Содержание
Введение 3
Постановка задачи 4
Обзор литературы 5
Глава 1. Нейронные сети 6
1.1. Сети прямого распространения 6
1.2. Сверточные нейронные сети 8
1.3. Архитектура U-net 10
Глава 2. Восстановление изображений 12
2.1. Итеративные алгоритмах 13
2.2. Методы на основе сверточных нейронных сетей 13
2.3. Методы на основе генеративно-состязательных нейронных
сетей 14
2.4. Выбор алгоритма 15
Глава 3. Алгоритм на основе частичного сверточного слоя. . 17
3.1. Частичная свертка 17
3.2. Архитектура сети 17
3.3. Функция потерь 18
3.4. Алгоритм 19
Глава 4. Реализация и эксперименты 20
Заключение 27
Список литературы
Постановка задачи 4
Обзор литературы 5
Глава 1. Нейронные сети 6
1.1. Сети прямого распространения 6
1.2. Сверточные нейронные сети 8
1.3. Архитектура U-net 10
Глава 2. Восстановление изображений 12
2.1. Итеративные алгоритмах 13
2.2. Методы на основе сверточных нейронных сетей 13
2.3. Методы на основе генеративно-состязательных нейронных
сетей 14
2.4. Выбор алгоритма 15
Глава 3. Алгоритм на основе частичного сверточного слоя. . 17
3.1. Частичная свертка 17
3.2. Архитектура сети 17
3.3. Функция потерь 18
3.4. Алгоритм 19
Глава 4. Реализация и эксперименты 20
Заключение 27
Список литературы
📖 Введение
Восстановление изображения — это процесс восстановления недостающей области изображения. Такое изображение представляется в виде одной (если изображение черно-белое) или нескольких (если изображение цветное) матриц, в которых пикселям, значения которых нужно восстановить, соответствует значение 0 в матрице, называемой маской изображения, а пикселям, не требующим восстановления, соответствует единица. Выпускная квалификационная работа посвящена решению задачи восстановления изображений, в которых присутствуют области с дефектами, например посторонние предметы, или повреждения произвольных форм и размеров, шумы, трещины и т.п.
Первоначально для решения задачи использовались итеративные алгоритмах, которые ищут похожие совпадения в доступной области изображения и или усредняют значения соседних пикселей, двигаясь от границы недостающей области до ее внутренней части. Использование искусственных нейронных сетей, а конкретнее сверточных, позволило улучшить качество и точность обработки, придя на смену классическим итеративным алгоритмам. В последнее время особую популярность приобрели методы, основанные на генеративно-состязательных нейронных сетях, состоящих из двух сетей: первая генерирует образцы, а вторая пытается отличить, реальное изображение ей пришло на вход или сгенерированное.
В Главе 1 представлена общая теория нейронных сетей, процессы их работы и обучения, дается характеристика U-net архитектуры. В Главе 2 рассматриваются три группы методов восстановления изображений — итеративные алгоритмы, методы, основанные на сверточных нейронных сетях, и методы, основанные на генеративно-состязательных нейронных сетях, их преимущества и недостатки. Метод, с помощью которого реализуется поставленная задача, использует сверточную нейронную сеть. Описание алгоритма, а также параметров сети приведено в Главе 3. Глава 4 посвящена особенностям реализации выбранного алгоритма и описанию проведенных экспериментов.
Постановка задачи
Цель работы — решить задачу восстановления изображений с применением искусственных нейронных сетей. Для достижения поставленной цели необходимо решить следующие задачи:
1. Изучить наиболее популярные подходы, основанные как на искусственных нейронных сетях, так и на классических итеративных алгоритмах, рассмотреть их преимущества и недостатки;
2. Выбрать и реализовать один из методов, основанный на глубоком обучении;
3. Провести эксперименты, для чего нужно:
• Подготовить датасет — изображения для обучения сети и проверки точности работы алгоритма;
• Сгенерировать нерегулярные области отсутствущих пикселей (маски), которые представляют из себя матрицы размерности равной размерности изображения, состоящие из нулей и единиц, и ко¬торые обозначают, значения какой группы пикселей нужно восстановить;
• Используя подготовленный датасет, обучить модель;
4. Проверить работу сети.
Первоначально для решения задачи использовались итеративные алгоритмах, которые ищут похожие совпадения в доступной области изображения и или усредняют значения соседних пикселей, двигаясь от границы недостающей области до ее внутренней части. Использование искусственных нейронных сетей, а конкретнее сверточных, позволило улучшить качество и точность обработки, придя на смену классическим итеративным алгоритмам. В последнее время особую популярность приобрели методы, основанные на генеративно-состязательных нейронных сетях, состоящих из двух сетей: первая генерирует образцы, а вторая пытается отличить, реальное изображение ей пришло на вход или сгенерированное.
В Главе 1 представлена общая теория нейронных сетей, процессы их работы и обучения, дается характеристика U-net архитектуры. В Главе 2 рассматриваются три группы методов восстановления изображений — итеративные алгоритмы, методы, основанные на сверточных нейронных сетях, и методы, основанные на генеративно-состязательных нейронных сетях, их преимущества и недостатки. Метод, с помощью которого реализуется поставленная задача, использует сверточную нейронную сеть. Описание алгоритма, а также параметров сети приведено в Главе 3. Глава 4 посвящена особенностям реализации выбранного алгоритма и описанию проведенных экспериментов.
Постановка задачи
Цель работы — решить задачу восстановления изображений с применением искусственных нейронных сетей. Для достижения поставленной цели необходимо решить следующие задачи:
1. Изучить наиболее популярные подходы, основанные как на искусственных нейронных сетях, так и на классических итеративных алгоритмах, рассмотреть их преимущества и недостатки;
2. Выбрать и реализовать один из методов, основанный на глубоком обучении;
3. Провести эксперименты, для чего нужно:
• Подготовить датасет — изображения для обучения сети и проверки точности работы алгоритма;
• Сгенерировать нерегулярные области отсутствущих пикселей (маски), которые представляют из себя матрицы размерности равной размерности изображения, состоящие из нулей и единиц, и ко¬торые обозначают, значения какой группы пикселей нужно восстановить;
• Используя подготовленный датасет, обучить модель;
4. Проверить работу сети.
✅ Заключение
В выпускной квалификационной работе была решена задача восстановления изображений с использованием искусственных нейронных сетей. В ходе работах были решены следующие задачи:
• Проведен обзор методов восстановления, разделенных на три группы: итеративные алгоритмы, методы, основанные на сверточных нейронных сетях, и методы, основанные на генеративно-состязательных нейронных сетях.
• Был выбран и реализован метод, использующий частичную сверточную сеть, который хорошо себя показал в восстановлении изображений с нерегулярными областями отсутствующих значений. Для реализации было подготовлено множество картинок для обучения (25 000 изображений) и проверки качества работы сети, а также множество масок.
• Представлены результаты работы сети.
• Проведен обзор методов восстановления, разделенных на три группы: итеративные алгоритмы, методы, основанные на сверточных нейронных сетях, и методы, основанные на генеративно-состязательных нейронных сетях.
• Был выбран и реализован метод, использующий частичную сверточную сеть, который хорошо себя показал в восстановлении изображений с нерегулярными областями отсутствующих значений. Для реализации было подготовлено множество картинок для обучения (25 000 изображений) и проверки качества работы сети, а также множество масок.
• Представлены результаты работы сети.
ИЛИ
Поиск аналога
📕 Список литературы
🛒 Оформить заказ
⚡ Работу высылаем в течении 5 минут после оплаты.