The use of artificial neural networks in image recovery

Abstract

Работа посвящена решению задачи восстановления изображения. Восстановление изображения - это процесс восстановления недостающей области изображения. Изображение может содержать области с дефектами, например посторонние предметы, или повреждения произвольных форм и размеров. Для решения задачи был проведен обзор различных подходов: основанных на классических итеративных алгоритмах, основанных на сверточных нейронных сетях и основанных на генеративно-состязательных нейронных сетях, рассмотрены их преимущества и недостатки. В работе реализован алгоритм, основанный на частичных сверточных слоях, который восстанавливает изображение с сохранением семантики и без дополнительной постобработки. Приведены результаты вычислительного эксперимента.

The work is devoted to solving the problem of image recovery (inpainting). Image inpainting is the process of recovering a missing image area. The image may contain areas with defects, such as foreign objects, or damage to arbitrary shapes and sizes. To solve the problem, a review of various approaches was carried out: based on classical iterative algorithms, based on convolutional neural networks and based on generative-adversarial neural networks (GANs), their advantages and disadvantages were considered. The work implements an algorithm based on partial convolutional layers that restores an image while preserving semantics and without additional post-processing. The results of a computational experiment are presented.