Отрывок: Во втором ряду показано изображение с коэффициентом сжатия 70. Только MemNet правильно восстанавливает колонну на изображении. Рисунок 3.6 – Качественные сравнения изображений. В первой колонке эталонное чистое изображение, во второй – программно защумлённое изображение, в третьей колонке – изображение, восстановленное PCLR, в четвёртой – PGPD, в пятой – WNNM, в шестой – MemNet. В первой строке – изображение, которое обрабат...
Полная запись метаданных
Поле DC | Значение | Язык |
---|---|---|
dc.contributor.author | Гетман Д. Г. | ru |
dc.contributor.author | Никоноров А. В. | ru |
dc.contributor.author | Калядин В. П. | ru |
dc.contributor.author | Министерство науки и высшего образования Российской Федерации | ru |
dc.contributor.author | Самарский национальный исследовательский университет им. С. П. Королева (Самарский университет) | ru |
dc.contributor.author | Институт информатики и кибернетики | ru |
dc.coverage.spatial | гармонические линзы | ru |
dc.coverage.spatial | дифракционная оптика | ru |
dc.coverage.spatial | нейронные сети | ru |
dc.coverage.spatial | нейросетевые алгоритмы | ru |
dc.coverage.spatial | реконструкция изображений | ru |
dc.coverage.spatial | сверточные нейронные сети | ru |
dc.creator | Гетман Д. Г. | ru |
dc.date.accessioned | 2022-09-09 14:25:14 | - |
dc.date.available | 2022-09-09 14:25:14 | - |
dc.date.issued | 2022 | ru |
dc.identifier | RU\НТБ СГАУ\ВКР20220708161656 | ru |
dc.identifier.citation | Гетман, Д. Г. Нейросетевые алгоритмы реконструкции изображений, полученных с применением дифракционной оптики : вып. квалификац. работа по направлению подгот. 03.03.01 "Прикладные математика и физика" (уровень бакалавриата) / Д. Г. Гетман ; рук. работы А. В. Никоноров ; нормоконтролер В. П. Калядин ; М-во науки и высш. образования Рос. Федерации, Самар. нац. исслед. ун-т им. С. П. Королева (Самар. ун-т), Ин-т информатики и. - Самара, 2022. - 1 файл (2,5 Мб). - Текст : электронный | ru |
dc.identifier.uri | http://repo.ssau.ru/handle/Vypusknye-kvalifikacionnye-raboty/Neirosetevye-algoritmy-rekonstrukcii-izobrazhenii-poluchennyh-s-primeneniem-difrakcionnoi-optiki-98701 | - |
dc.description.abstract | Объектом исследования являются существующие алгоритмы восстановления изображений. Цель работы – провести сравнительное исследование результатов работынейронных сетей U-Net и MemNet на изображениях, полученных с помощью гармонических дифракционных линз. В результате исследований был изучен материал по архитектурам гибридных нейронных сетей – MemNet и U-Net. Нейронные сети были запущены и обучены для решения задачи реконструкции изображений, полученных с помощью многоуровневых дифракционных линз. Была проведена сравнительная работа по результатам работы свёрточных нейронных сетей архитектур U-Net иMemNet. Разработана программная реализация рассмотренных алгоритмов нейросетевой реконструкции. На тестовых изображениях по группе критериев произведена оценка качества реализованных вариантов алгоритмов различных архитектур свёрточных нейронных сетей. На изображениях реальных сцен мира оценена возможность применения данных алгоритмов для определенных прикладных задач. Была проведена реконструкция RGB изображений, п | ru |
dc.title | Нейросетевые алгоритмы реконструкции изображений, полученных с применением дифракционной оптики | ru |
dc.type | Text | ru |
dc.subject.rugasnti | 50.01 | ru |
dc.subject.udc | 004.032.26 | ru |
dc.textpart | Во втором ряду показано изображение с коэффициентом сжатия 70. Только MemNet правильно восстанавливает колонну на изображении. Рисунок 3.6 – Качественные сравнения изображений. В первой колонке эталонное чистое изображение, во второй – программно защумлённое изображение, в третьей колонке – изображение, восстановленное PCLR, в четвёртой – PGPD, в пятой – WNNM, в шестой – MemNet. В первой строке – изображение, которое обрабат... | - |
Располагается в коллекциях: | Выпускные квалификационные работы |
Файлы этого ресурса:
Файл | Размер | Формат | |
---|---|---|---|
Гетман_Дарья_Геннадьевна_Нейросетевые_алгоритмы_реконструкции_изображений,.pdf | 2.57 MB | Adobe PDF | Просмотреть/Открыть |
Показать базовое описание ресурса
Просмотр статистики
Поделиться:
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.