Data augmentation for image classification using GAN and autoencoder – Ing. Gofur Halmuratov
Ing. Gofur Halmuratov
Doctoral thesis
Data augmentation for image classification using GAN and autoencoder
Abstract:
V této disertační práci jsem zkoumal metody augmentace dat pro klasifikaci obrazů a to zejména pro takové případy, kdy jsou k dispozici jen velmi malé soubory trénovacích dat. Tato práce je založena na použití generativních adverziálních sítí (GAN), autoenkodérů a na použití shlukové analýzy latentního prostoru autoenkodérů. Tyto metodiky použité společně zvyšují přesnost klasifikace a dovolují získat …moreAbstract:
mi metodami rozšiřování datového souboru. Výsledky mého empirického výzkumu potvrzují potenciál těchto pokročilých technik rozšiřování dat při klasifikaci obrazů, zejména ve scénářích reálného světa, kde jsou trénovací data často vzácná.
Language used: English
Date on which the thesis was submitted / produced: 5. 4. 2024
Thesis defence
- Supervisor: doc. Ing. Arnošt Veselý, CSc.
- Reader: Tatiana Guy, doc. Ing., PhD., Antonín Slabý, externi, Miroslav Kárný, externi
Citation record
ISO 690-compliant citation record:
HALMURATOV, Gofur. \textit{Data augmentation for image classification using GAN and autoencoder}. Online. Doctoral theses, Dissertations. Praha: Czech University of Life Sciences Prague, Faculty of Economics and Management. 2024. Available from: https://theses.cz/id/6qr4h1/.
Full text of thesis
Contents of on-line thesis archive
Published in Theses:- světu
Other ways of accessing the text
Institution archiving the thesis and making it accessible: Česká zemědělská univerzita v Praze, Provozně ekonomická fakultaCzech University of Life Sciences Prague
Faculty of Economics and ManagementDoctoral programme / field:
Systems Engineering and Informatics / Information Management
Theses on a related topic
-
Heterogenní Rozpoznávání Lidské Tváře ze Skic Obličeje
Ivan GRUBER -
CNN in object recognition
Urvish Sunilbhai Kavde -
Příprava datasetů termosnímků paznehtů skotu vhodných pro trénování CNN
Radek ZAHAJSKÝ -
Fúze metodik: F-transformace a CNN
Vojtěch MOLEK -
Využití neuronové sítě pro OCR
Tomáš Pilný -
Komprimace dat s využitím hlubokého učení
Petr Ptáček -
Interaktivní segmentace 3D CT dat s využitím hlubokého učení
Kateřina Trávníčková -
Průzkum a porovnání metod výběru dat pro předzpracování vstupu modelu hlubokého učení pro automatickou segmentaci nádorů na snímcích PET-CT
Ekaterina Korotina
Name
Posted by
Uploaded/Created
Rights
Folders
Files
Mach, J.
7/4/2024