Augstas izšķirtspējas attēlu un restaurētu attēlu iegūšana, izmantojot dziļo mašīnmācīšanos

Abstract

Šajā darbā tiek apskatīta attēlu super-izšķirtspējas iegūšana, izmantojot dziļās mašīnmācīšanās adversiālos neironu tīklus. Darbā tika uztrenēti neironu tīkli bojātu attēlu un izplūdušu attēlu uzlabošanai, kā arī tīkli attēlu palielināšanai. Iegūtie rezultāti bija daļēji veiksmīgi bojātu attēlu un izplūdušu attēlu uzlabošanai un ļoti veiksmīgi attēlu divkārtējai palielināšanai, trenēšanai izmantojot tuvāko kaimiņu interpolāciju. Īpaša uzmanība darbā tiek pievērsta attēlu palielināšanai, kuru iegūšanai tika optimizēti tīkli, izmantojot dažādus interpolācijas filtrus. Attēlu palielinājumu rezultāti tiek salīdzināti ar tradicionālo palielinātiem attēliem izmantojot kādu no interpolācijas metodēm. ATSLĒGAS VĀRDI Konvolūciju neironu tīkli, super-izšķirtspēja, adverseriālais tīkls, interpolācija, artefakti

This work is titled “Obtaining High Resolution Images and Restored Images by Using Deep Learning”. In it will be addressed the obtaining of image super-resolution, using the generative adverserial neural network of deep learning. In this work there were trained neural networks for restoring defective images and blurred images, as well as for image enlarging. The obtained results were partially successful for restoring defected images and blurred images and very successful for image enlarging, with a network trained using nearest neighbour interpolation. In this work special attention was given to exploring the relationship between image enlarging and the various interpolation filters used for training the network. Image enlargement results were compared using traditionally enlarged images with one of the interpolation filters. KEYWORDS Convolutional neural networks, super resolution, generative adversial network, interpolation, artefacts