Modifikace obrazu pomocí neuronových sítí

Loading...
Thumbnail Image
Date
ORCID
Mark
B
Journal Title
Journal ISSN
Volume Title
Publisher
Vysoké učení technické v Brně. Fakulta informačních technologií
Abstract
Tato práce se zabývá obarvováním šedotónového obrazu a zvětšováním rozlišení obrazu za pomoci neuronových sítí. Stručně vysvětluje principy neuronových sítí a shrnuje dosavadní přístupy v těchto oblastech. Dále pak popisuje návrh, implementaci a trénování různých architektur neuronových sítí. Nejlepší vytvořená architektura pro obarvování obrazu dokáže dobře obarvit především obrázky venkovních prostor. Architektura pro zvětšování rozlišení obrazu s reziduálními bloky, jež byla trénována s perceptuální chybovou funkcí, provádí dvojnásobné zvětšení rozlišení obrazu (celkem 4x více pixelů). Součástí této práce je také implementace webové aplikace, která využívá natrénované modely pro úpravu obrazu.
This thesis deals with image colorization and image super-resolution using neural networks. It briefly explains neural networks principles and summarizes current approaches in this domain. It also describes the design, implementation and training of various neural network architectures. The best implemented architecture can colorize images, in particular, works well with outdoor areas. The architecture for image super-resolution with residual blocks that was trained with a perceptual loss function performs a double increase in image resolution (4x more pixels in total). Part of this thesis is also an implementation of a web application that uses trained models for image modification.
Description
Citation
MASLOWSKI, P. Modifikace obrazu pomocí neuronových sítí [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2021.
Document type
Document version
Date of access to the full text
Language of document
cs
Study field
Strojové učení
Comittee
prof. Ing. Adam Herout, Ph.D. (předseda) prof. Dr. Ing. Pavel Zemčík (místopředseda) Ing. Michal Bidlo, Ph.D. (člen) doc. RNDr. Milan Češka, Ph.D. (člen) Ing. Michal Hradiš, Ph.D. (člen) Ing. Igor Szőke, Ph.D. (člen)
Date of acceptance
2021-08-27
Defence
Student nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Student následně odpověděl na otázky oponenta a na další otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studenta na položené otázky rozhodla práci hodnotit stupněm B. Otázky u obhajoby: Jak jste postupoval při modifikaci modelů strojového učení. Držel jste se nějaké metodiky, nebo šlo o náhodné experimentování s jednotlivými částmi? Je vaše řešení srovnatelné, nebo překonává, dostupné systémy, které byly vyvinuty například pro MyHeritage? V jakém vztahu je vaše práce k MyHeritage? Existuje nějaká metrika pro vyhodnocení kvality výsledných obarvených obrazů? Jaké technologie jste použil pro implementaci webové aplikace?
Result of defence
práce byla úspěšně obhájena
Document licence
Standardní licenční smlouva - přístup k plnému textu bez omezení
DOI
Collections
Citace PRO