Автор молодец, просто работа не нужна больше
Информация о работе
Подробнее о работе
Диплом нейросети Колоризация чернобелых фотографий с помощью нейронных сетей
- 67 страниц
- 2020 год
- 14 просмотров
- 6 покупок
Гарантия сервиса Автор24
Уникальность не ниже 50%
Фрагменты работ
С приходом новых технологий жизнь человека становится ярче и на-сыщеннее. Стремительное развитие информационных технологий приводит к формированию информационной среды, которая оказывает сильное влияние на жизнь человека. При этом наследие культуры прошлых лет теряется на фоне качества информации, получаемой в наши дни. Но нельзя забывать о важности исторических ценностей, память о которых хранится в виде, как пра¬вило, черно-белых фотографий.
Несмотря на то, что технология цветной фотографии существует с на-чала XX века, до сих пор во многих семьях хранятся альбомы с черно-белыми снимками, сделанными много лет назад: старые карточки способны пробудить целую гамму чувств и воспоминаний, перенести сквозь время.
ОГЛАВЛЕНИЕ
ВВЕДЕНИЕ 8
1 МЕТОДЫ КОЛОРИЗАЦИИ ИЗОБРАЖЕНИЙ 10
1.1 Ручной подход 10
1.2 Нейросетевые подходы 10
1.2.1 Цветовое пространство Lab 10
1.2.2 Сверточные нейронные сети 11
1.2.3 Автоэнкодеры 13
1.2.4 Генеративно-состязательные сети 14
1.3 Сервисы колоризации черно-белых изображений 15
1.3.1 Онлайн-сервис Algorithmia 16
1.3.2 Онлайн-сервис colorize.cc 17
1.3.3 Онлайн-сервис MyHeritage 18
1.3.4 Онлайн-сервис colourise.sg 19
1.3.5 Онлайн-сервис color.artlebedev.ru 21
1.3.6 Онлайн-сервис от Mail.ru Group 22
1.4 Выводы по разделу 23
2 ЗАДАЧА КОЛОРИЗАЦИИ 24
2.1 Постановка задачи колоризации 24
2.2 Исходные данные 24
2.3 Нейронная сеть cGAN 25
2.3.1 Определение условной генеративно-состязательной сети 25
2.3.2 Архитектура условной генеративно-состязательной сети 26
2.3.4 Дискриминатор 30
2.4 Операция свертки 31
2.5 Операция транспонированной свертки 32
2.6 Функция пакетной нормализации данных 32
2.7 Операция исключения 33
2.8 Функции активации 34
2.8.1 Функция активации Relu 34
2.8.2 Функция активации LeakyRelu 35
2.8.3 Гиперболический тангенс 35
2.9 Функции потерь 36
2.9.1 Бинарная кросс-энтропия 36
2.9.2 Средняя абсолютная ошибка 36
2.10 Обучение 37
2.10.1 Оптимизатор функции потерь Adam 37
2.10.2 Метод обратного распространения ошибки 38
2.11 Метрики качества 40
2.11.1 Начальная оценка 40
2.11.2 Начальное расстояние Фреше 41
2.12 Выводы по разделу 42
3 РЕАЛИЗАЦИЯ МОДЕЛИ И ПРОВЕРКА НА ТЕСТОВЫХ ДАННЫХ 43
3.1 Архитектура сети 43
3.2 Алгоритмы работы программы и обучения полученной модели 46
3.3 Результаты 49
3.3.1 Графики обучения 49
3.3.2 Метрики 51
3.3.3 Проверка работы модели на тестовых данных 52
3.4 Выводы по разделу 54
ЗАКЛЮЧЕНИЕ 55
БИБЛИОГРАФИЧЕСКИЙ СПИСОК 57
ПРИЛОЖЕНИЯ 62
ПРИЛОЖЕНИЕ 1 Исходный код программы 62
ПРИЛОЖЕНИЕ 2 Код тестирования модели 68
Целью данной работы является разработка модели искусственной нейронной сети, которая решает задачу колоризации черно-белых изображений.
В качестве решения поставленной задачи предлагается условная гене-ративно-состязательная модель нейронной сети. Данный подход реализован на языке Python с применением библиотеки машинного обучения TensorFlow в среде разработки Jupyter Notebook. Проведен анализ работы модели с помощью выбранных метрик для оценки качества генерации изображений.
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1 Антонио, Д. Библиотека Keras - инструмент глубокого обучения. Реализация нейронных сетей с помощью библиотек Theano и TensorFlow / Д. Антонио, П. Суджит; перевод с английского А. А. Слинкин. - Москва: ДМК Пресс, 2018. - 294 с. - ISBN 978-5-97060-573-8. - Текст: электронный // Лань: электронно-библиотечная система. - URL: (дата обращения: 29.04.2020). - Режим доступа: для авториз. пользователей.
2 Ахирвар, К. Состязательные сети. Проекты: учебное пособие / К. Ахирвар; перевод с английского В. А. Яроцкого. - Москва: ДМК Пресс, 2020. - 252 с. - ISBN 978-5-97060-783-1. - Текст: электронный // Лань: электронно-библиотечная система. - URL: https://e.lanbook.com/book/140586 (дата обращения: 29.05.2020). - Режим доступа: для авториз. пользователей.
3 Бредихин, А.И. Алгоритмы обучения сверточных нейронных сетей / А.И. Бредихин // Вестник Югорского государственного университета. - 2019. - № 1. - С. 41-54. - ISSN 1816-9228. - Текст: электронный // Лань: электронно-библиотечная система. - (дата обращения: 23.05.2020). - Режим доступа: для авториз. Пользо¬вателей.
4 Вакуленко, С.А. Практический курс по нейронным сетям: учебное пособие / С.А. Вакуленко, А.А. Жихарева. - Санкт-Петербург: НИУ ИТМО, 2018. - 71 с. - Текст: электронный // Лань: электронно-библиотечная
система. - URL: . - Режим доступа: для авториз. пользователей.
5 Варламов, А.Д. Применение технологий искусственного интеллекта для раскрашивания черно-белых кинофильмов // Наука и образование в развитии промышленной, социальной и экономической сфер регионов России [Электронный ресурс]: VIII Всероссийские научные Зворыкинские чтения: сб. тез. докл. VIII Всероссийской межвузовской научной конференции. - Муром: Изд.-полиграфический центр МИ ВлГУ, 2016. - 203 c.
6 Ганегедара, Т. Обработка естественного языка с TensorFlow: ру-ководство / Т. Ганегедара; перевод с английского В. С. Яценкова. - Москва: ДМК Пресс, 2020. - 382 с. - ISBN 978-5-97060-756-5. - Текст: электронный // Лань: электронно-библиотечная система. - URL: . - Режим доступа: для авториз. Поль¬зователей.
7 Гласснер, Э. Глубокое обучение без математики. Том 2. Практика: руководство / Э. Гласснер; перевод с английского В. А. Яроцкого. - Москва: ДМК Пресс, 2020. - 610 с. - ISBN 978-5-97060-767-1. - Текст: электронный // Лань: электронно-библиотечная система. - URL: (дата обращения: 14.04.2020). - Режим доступа: для авториз. пользователей.
Форма заказа новой работы
Не подошла эта работа?
Закажи новую работу, сделанную по твоим требованиям
