Автор молодец, просто работа не нужна больше
Информация о работе
Подробнее о работе
Диплом Нейросети "Преобразование RAW изображений в восьмибитный формат с применением нейронных сетей" сдан на 5 + исходный код
- 60 страниц
- 2019 год
- 4 просмотра
- 0 покупок
Гарантия сервиса Автор24
Уникальность не ниже 50%
Фрагменты работ
RAW-формат цифровыхфотографий часто используются как профессиональными фотографами, так и любителями. Данный формат отличается тем, что он сохраняет большее количество информации, чем стандартные цифровые изображения с глубиной цвета 8 бит (в RAWхранится информации до 16 бит на каждый пиксель), поэтому при дальнейшей обработке в фоторедакторах можно получить результат гораздо лучше, чем при работе с данными, урезанными до восьми бит.
Однако файлы в формате RAW не являются полноценными изображениями, которые можно считать и просмотреть напрямую с экранов электронных устройств. Это специальный формат файла, хранящий в себе необработанные значения сигналов, полученных сенсором фотокамеры.
ОГЛАВЛЕНИЕ
Введение 7
1 Демозаика RAW изображений 8
1.1 Методы демозаики RAW изображений 8
1.1.1 Матрица цифровых фотокамер 8
1.1.2 Формат RAW 10
1.1.3 Демозаика RAW изображений 11
1.1.4 Методы демозаики 13
1.2 Применение нейронных сетей 14
1.2.1 Искусственные нейронные сети 14
1.2.2 Классы нейронных сетей 17
1.2.3 Применение искусственных нейронных сетей 18
1.2.4 Преимущества и недостатки применения нейросетей 20
1.3 Свёрточные нейронные сети 23
1.3.1 Свёрточные нейросети в работе с изображениями 24
1.3.2 Параметры свёрточной нейросети 25
1.3.3 Архитектура свёрточных нейросетей 26
1.3.4 Слои свёртки 27
1.4 Существующие методы обработки RAW нейросетями 28
1.5 Вывод 30
2 Архитектура нейросети для демозаики 32
2.1 Постановка задачи 32
2.2 Исходные данные 32
2.3 Архитектура нейронной сети 34
2.4 Функция активации 34
2.5 Подготовка данных 36
2.6 Обучение нейросети 37
2.7 Вывод 40
3 Программа для преобразования RAW нейросетями 41
3.1 Блок-схема программы 41
3.2 Сравнение качества работы алгоритмов 42
3.3 Скорость преобразования (сравнительные метрики) 44
3.4 Вывод 45
4 Заключение 46
5 Библиографический список 47
Приложение 1 Код программы обучения нейросети 50
Хорошо написан, сдавался в глубинке. Сдан на 5
Можно использовать
Код программы в комплекте в документе
Целью данной работы является разработка алгоритма на основе искусственных нейронных сетей, выполняющего задачу демозаики RAW изображений, их преобразования в восьмибитный формат RGB изображения. Решается задача проектирования архитектуры свёрточной нейросети, способной эффективно выполнять демозаику.
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1 Алгоритмы демозаики RawThrapee[Электронныйресурс] - URL:
https://instantframe.ru/ programmnoe-obespechenie/demozaiki-rawthrapee.html (дата обращения: 20.03.2020)
2 Вьюнин, В.В. Математические основы теории машинного обучения и прогнозирования / В.В. Вьюнин. - М.: МЦНМО, 2013. - 390 с.
3 Использование проявщика RAWTherapee в прикладных задачах фотолюбителя [Электронныйресурс] - URL: https://habr.com/ru/post/216465 (дата обращения: 13.04.2020)
4 Магистерская диссертация «Реставрация поврежденных и зашумлен¬ных изображений» Богославец А.И., 2018г[Электронный ресурс].- СПГУ - URL:https://dspace.spbu.ru/bitstream/11701/12146/1/diplom.pdf (дата обраще¬ния: 25.04.2020)
5 Нейронная сеть - URL: https://ru.wikipedia.org/wiki/Искусственная_ нейронная_сеть (дата обращения: 25.02.2020)
6 Свёрточная нейронная сеть[Электронныйресурс] - URL: https://ru.wikipedia.org/ wiki/Свёрточная_нейронная_сеть (дата обращения: 12.03.2020)
7 Флах, П. Машинное обучение. Наука и искусство построения алгоритмов, которые извлекают знания из данных / П. Флах; пер. с англ. А.А. Слинкин. - М.: ДМК, 2016. - 400 с.
8 Kriesel, D.A. Brief Introduction to Neural Networks / D. Kriesel. - 244 p.
9 Alleysson, D., Linear Minimum Mean Square Error Demosaicking / D. Alleysson, B. Chaix de Lavarene, S. Susstrunk, J. Herault// CRC Press, Sep. 2008, - Pp. 213-237.
10 Alleysson, D., Linear demosaicing inspired by the human visual system / D. Alleysson, S. Susstrunk, J. Herault// IEEE Transactions on Image Processing 14 (4), Apr. 2005.- Pp. 439-449.
11 Astola, J., Vector median filters / J.Astola,P. Haavisto,Y. Neuvo, Apr. 1990 // Proceedings of the IEEE 78 (4). - Pp 678-689.
12 Deep Learning (Adaptive Computation and Machine Learning series) / Ian Goodfellow // The MIT Press, 2016 - 800 p.
13 Demosaicing - RawPedia - URL: https://rawpedia.rawtherapee.com/ Demosaicing (датаобращения: 20.03.2020)
14 Eskicioglu, A.Image quality measures and their performance / Eskicio- glu, A.M., Fisher, P. S., Dec. 1995. // IEEE Transactions on Communications 43 (12). - Pp. 2959-2965.
15 Faugeras, O.D., Digital color image processing within the framework of a human visual model / O.D. Faugeras // IEEE Transactions on Acoustics, Speech, and Signal Processing 27 (4), Aug. 1979. - Pp 380-393.
16 Freeman, W.T. Median filter for reconstructing missing color samples / W.T. Freeman // U.S. patent 4,724,395, to Polaroid Co., Patent and Trademark Office, Washington D.C.
17 Henrik, B. Machine Learning / B. Henrik, R. Joseph, M. Fetherolf. - New-York: Manning Publication Co, 2016. - 264 p.
18 Hirakawa, K., Sep. 2008. Color filter array image analysis for joint denoising and demosaicking. In: Lukac, R. (Ed.), Single-Sensor Imaging: Methods and Applications for Digital Cameras. CRC Press. - Pp. 239-261.
19 Kunz, M. Joint demosaicing and denoising of RAW images with a CNN / M. Kunz [Электронныйресурс]- URL:
https://kunzmi.github.io/NNDemosaicAndDenoise (датаобращения: 20.04.2020)
20 Laroche, C.A. Apparatus and method for adaptively interpolating a full color image utilizing chrominance gradients. / C.A. Laroche, M.A. Prescott // U.S. patent 5,373,322, to Eastman Kodak Co., Patent and Trademark Office, Washington D.C., Jun. 1993
Форма заказа новой работы
Не подошла эта работа?
Закажи новую работу, сделанную по твоим требованиям
