Hlavní nabídka Prohlížení IS/STAG
Nepřihlášenému uživateli se zobrazují pouze již odevzdané práce.
Osobní čísla studentů se zobrazují pouze přihlášenému uživateli.
Nalezené termíny, počet: 1
Informace o kvalifikační práci Obrázek super vzorkování pomocí hluboké neurální
síť
Dokument, ke kterému přistupujete, podléhá autorskému zákonu. Jeho porušením se můžete vystavit trestnímu postihu!
Jméno
Gorbatenko Ivan
Akad. rok
2021/2022
Zadávající pracoviště
ITE
Datum obhajoby
15. 6. 2022
Typ práce
diplomová
Stav práce
Dokončená práce, ale neúspěšná obhajoba (DBUO).
Úplnost vyplnění požadovaných údajů
- Všechny požadované údaje o této VŠKP jsou vyplněny.
Hlavní téma
Image super sampling using deep neural networks
Hlavní téma v angličtině
Image super sampling using deep neural networks
Název dle studenta
Obrázek super vzorkování pomocí hluboké neurální
síť
Název dle studenta v angličtině
Image super sampling using deep neural
networks
Souběžný název
-
Podnázev
-
Vedoucí
Paleček Karel, Ing. Ph.D.
Oponent
Rejman Martin, RNDr. Ph.D.
Anotace
Tento článek poskytuje přehled současných algoritmů
hlubokého učení používaných pro zvýšení rozlišení obrazu,
jakož i jejich analýzu a srovnání s ostatními, stejně jako
s klasickými algoritmy pro zvýšení rozlišení obrazu.
Anotace v angličtině
This paper provides an overview of the current algorithms of
deep learning used to increase the resolution of images, as well
as their analysis and comparison with others, as well as with
classical algorithms for increasing the resolution of images.
Klíčová slova
Neuronové sítě, hluboké učení, konvoluce,
GAN, super sampling, EDSR, VDSR, SRGAN, ESRGAN
Klíčová slova v angličtině
Neural networks, deep learning, convolution,
GAN, super sampling, EDSR, VDSR, SRGAN, ESRGAN
Rozsah průvodní práce
40
Jazyk
AN
Anotace
Tento článek poskytuje přehled současných algoritmů
hlubokého učení používaných pro zvýšení rozlišení obrazu,
jakož i jejich analýzu a srovnání s ostatními, stejně jako
s klasickými algoritmy pro zvýšení rozlišení obrazu.
Anotace v angličtině
This paper provides an overview of the current algorithms of
deep learning used to increase the resolution of images, as well
as their analysis and comparison with others, as well as with
classical algorithms for increasing the resolution of images.
Klíčová slova
Neuronové sítě, hluboké učení, konvoluce,
GAN, super sampling, EDSR, VDSR, SRGAN, ESRGAN
Klíčová slova v angličtině
Neural networks, deep learning, convolution,
GAN, super sampling, EDSR, VDSR, SRGAN, ESRGAN
Zásady pro vypracování
Design and implement deep neural network models for image super sampling using PyTorch library and Python programming language.
Train the models using different learning criterions, e.g. pixelwise loss, content loss and/or adversarial loss.
Empirically evaluate and compare your models on a suitable dataset. Also, if available, compare your results with existing solutions.
Describe advantages and disadvantages of neural network based super sampling as compared to classical algorithms.
Zásady pro vypracování
Design and implement deep neural network models for image super sampling using PyTorch library and Python programming language.
Train the models using different learning criterions, e.g. pixelwise loss, content loss and/or adversarial loss.
Empirically evaluate and compare your models on a suitable dataset. Also, if available, compare your results with existing solutions.
Describe advantages and disadvantages of neural network based super sampling as compared to classical algorithms.
Seznam doporučené literatury
\renewcommand{\labelenumi}{[\theenumi]}
Goodfellow, I., Bengio, Y., Courville, A. Deep learning. MIT Press, 2016
Bishop, C. Pattern Recognition and Machine Learning. 2006. ISBN 13: 978-038731073
Karpathy, A., Johnson, J., Li, F. Convolutional neural neworks for visual recognition. dostupné online: http://cs231n.stanford.edu
Seznam doporučené literatury
\renewcommand{\labelenumi}{[\theenumi]}
Goodfellow, I., Bengio, Y., Courville, A. Deep learning. MIT Press, 2016
Bishop, C. Pattern Recognition and Machine Learning. 2006. ISBN 13: 978-038731073
Karpathy, A., Johnson, J., Li, F. Convolutional neural neworks for visual recognition. dostupné online: http://cs231n.stanford.edu
Přílohy volně vložené
Neural networks wrote in Python using Pytorch. Trained models.
Přílohy vázané v práci
ilustrace
Převzato z knihovny
Ano
Plný text práce
Přílohy
Posudek(y) oponenta
Hodnocení vedoucího
Záznam průběhu obhajoby
Průběh obhajoby je zveřejněn pouze přihlášenému uživateli.
Soubor s průběhem obhajoby