Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот ресурс:
http://hdl.handle.net/11701/26612
Полная запись метаданных
Поле DC | Значение | Язык |
---|---|---|
dc.contributor.advisor | Котина Елена Дмитриевна | ru_RU |
dc.contributor.advisor | Kotina Elena Dmitrievna | en_GB |
dc.contributor.author | Кузнецов Дмитрий Алексеевич | ru_RU |
dc.contributor.author | Kuznecov Dmitrij Alekseevic | en_GB |
dc.contributor.editor | Козынченко Владимир Александрович | ru_RU |
dc.contributor.editor | Kozyncenko Vladimir Aleksandrovic | en_GB |
dc.date.accessioned | 2021-03-24T15:51:20Z | - |
dc.date.available | 2021-03-24T15:51:20Z | - |
dc.date.issued | 2020 | |
dc.identifier.other | 056043 | en_GB |
dc.identifier.uri | http://hdl.handle.net/11701/26612 | - |
dc.description.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. | ru_RU |
dc.description.abstract | 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. | en_GB |
dc.language.iso | ru | |
dc.subject | Восстановление изображений | ru_RU |
dc.subject | нейронные сети | ru_RU |
dc.subject | свертка | ru_RU |
dc.subject | сверточные нейронные сети | ru_RU |
dc.subject | Image inpainting | en_GB |
dc.subject | neural networks | en_GB |
dc.subject | convolution | en_GB |
dc.subject | convolutional neural networks | en_GB |
dc.title | The use of artificial neural networks in image recovery | en_GB |
dc.title.alternative | Применение искусственных нейронных сетей в задаче восстановления изображений | ru_RU |
Располагается в коллекциях: | BACHELOR STUDIES |
Файлы этого ресурса:
Файл | Описание | Размер | Формат | |
---|---|---|---|---|
Kuznetsov_diploma.pdf | Article | 1,88 MB | Adobe PDF | Просмотреть/Открыть |
reviewSV_otzyv_Kuznecov.pdf | ReviewSV | 563,71 kB | Adobe PDF | Просмотреть/Открыть |
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.