Гібридний метод обробки зображень на конволюційних нейронних мережах
DOI:
https://doi.org/10.20535/1560-8956.38.2021.233198Ключові слова:
модель конволюційної нейронної мережі, алгоритми обробки зображеньАнотація
Стаття присвячена опису моделі конволюційної нейронної мережі для покращення роздільної здатності зображень на мобільних пристроях. В наш час мобільна фотографія стає все більш і більш популярною. Багато людей вибирають у якості основного пристрою для створення фото свій смартфон, оскільки це значно зручніше, швидше та дешевше за спеціалізовану камеру. Нажаль, висока роздільна здатність і якість фото доступна лише покупцям дорогих смартфонів. Саме тому актуальною є проблема покращення роздільної здатності та чіткості фотографій є неймовірно актуальною. Традиційні алгоритми без використання машинного навчання демонструють непогані результати і не потребують великого обсягу часу, потрібного на підбір наборів даних, що необхідні для тренування нейронної мережі, та, власне, на сам процес тренування. Проте, іх ефективність та якість результату значно гірша ніж у підходів з використанням нейронних мереж. Саме тому пропонується застосувати гібридний метод обробки зображень, що базується на конволюційних нейронних мережах. Структура мережі відрізняється від класичних підходів комбінацією обробки нейронною мережею та одним з більш традиційних алгоритмів обробки зображень. Запропонавана система
використовує конволюційні нейронні мережі замість традиційних генеративних змагальних мереж. Запропонована архітектура мережі використовує автокодувальник, який вчиться на різких зображеннях шляхом вилучення ознак. Після навчання вихідне зображення пропускається через автокодувальник. Після видалення шумів та застосування корекцій, декодер створює з цих даних необхідне різке зображення. Після обробки нейронною мережею, застосовується алгоритм Unsharp Masking з буфером глибини для покращення контрасту і яскравості результуючого зображення. У статті наведено перелік переваг використання вищезазначеної системи.
Бібл. 5, іл. 1.
Посилання
Archana J.N. A Review on the Image Sharpening Algorithms Using Unsharp Masking / Archana J.N, Aishwarya .P. // International Journal of Engineering Science and Computing,. – 2016, vol. 6, no. 7, pp. 8729 – 8733, ISSN 2321 3361.
Ying L. A wavelet based image sharpening algorithm / L. Ying, N.T Ming, L.B Keat // International Conference on Computer Science and Software Engineering (CSSE 2008). – Wuhen, Hubei, China, 2008. – pp. 1053–1056, DOI: 10.1109/CSSE.2008.1631.
Salonika Kansaall. Image Sharpening using Unsharp Masking and Wavelet Transform / Salonika Kansaall, Gurpreet Kaur. // International Journal of Advance Research in Computer Science and Management Studies. – 2014. – no.2, ISSN 2321 7782.
Yang J. PanNet: A deep network architecture for pan-sharpening / Junfeng Yang, Xueyang Fu, Yuwen Hu та ін.]. // IEEE International Conference on Computer Vision. – 2017. – pp. 1753–1761, DOI: 10.1109/ICCV.2017.193.
Shiva Shankar R. A novel approach for sharpening blur image using convolutional neural networks / R. Shiva Shankar, G Mahesh, K V S S Murthy. // Journal of Critical Reviews. – 2020. – vol. 7, ed. 7. – pp. 139–148, ISSN 2394 5125.
##submission.downloads##
Опубліковано
Номер
Розділ
Ліцензія
Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution License, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у нашому журналі.
2. Автори мають право укладати самостійні додаткові угоди щодо неексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована нашим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у нашому журналі.
3. Політика журналу дозволяє і заохочує розміщення рукопису роботи авторами в мережі Інтернет (наприклад, на arXiv.org або на особистих веб-сайтах). Причому рукописи статей можуть бути розміщенні у відкритих архівах як до подання рукопису до редакції, так і під час його редакційного опрацювання. Це сприяє виникненню продуктивної наукової дискусії, позитивно позначається на оперативності ознайомлення наукової спільноти з результатами Ваших досліджень і як наслідок на динаміці цитування вже опублікованої у журналі роботи. Детальніше про це: The Effect of Open Access.
