Metody pro zlepšování obrazu s pomocí neuronových sítí – Ing. Michal Dobrovolný
Ing. Michal Dobrovolný
Diplomová práce
Metody pro zlepšování obrazu s pomocí neuronových sítí
Methods for image improvements with the use of neural networks
Anotace:
Práce se zaměřuje na problematiku obrazových dat. Konkrétně se jedná o nadvzorkování obrazu pomocí neuronových sítí. Práce zkoumá současné metody a implementuje jejich zlepšení díky optimalizacím. Výstupem práce je porovnání a hodnocení vlivu optimalizační funkce, v souvislosti s množstvím trénovacích dat, na konvolučních a generativních kontradiktorních sítích. Navržená optimalizační funkce vykazuje …víceAbstract:
This thesis focuses on the problematics of image improvements. The main field is super-resolution with the use of a neuron network. The thesis explores current methods and implements training performance improvements. The result of this work is a comparison of influence optimizer to a number of testing samples and training results with use on convolutional and generative adversary networks. The proposed …více
Jazyk práce: čeština
Datum vytvoření / odevzdání či podání práce: 30. 4. 2019
Identifikátor:
http://evskp.uhk.cz/eM5843
Obhajoba závěrečné práce
- Obhajoba proběhla 28. 5. 2019
- Vedoucí: Ing. Karel Mls, Ph.D.
- Oponent: Mgr. et Mgr. Rafael Doležal, Ph.D.
Citační záznam
Plný text práce
Obsah online archivu závěrečné práce
Zveřejněno v Theses:- Soubory jsou od 29. 5. 2019 dostupné: světu
Jak jinak získat přístup k textu
Instituce archivující a zpřístupňující práci: Univerzita Hradec KrálovéUniverzita Hradec Králové
Fakulta informatiky a managementuMagisterský studijní program / obor:
Aplikovaná informatika / Aplikovaná informatika
Práce na příbuzné téma
-
CUDA Implementation of Pixelformat Conversions
Mário Hatalčík -
Efektivní implementace k-d stromu v prostředí CUDA
Vojtěch Řezáč -
Dekonvoluce jednokanálových snímků pro systém s grafickou kartou podporující CUDA
Ladislav Zítka -
Generátor efektivního kódu fúzovaných CUDA kernelů
Bedřich Lakomý -
Návrh a implementace aritmetického kodéru pro platformu CUDA
Vít Rusňák -
Source-to-source compilation of mapped functions sequences in CUDA
Matúš Madzin -
Zlepšení metody predikce výkonu fúzovaných CUDA kernelů
Peter Novák -
Computing Strongly Connected Components with CUDA
Miroslav Stuhl
Název
Vložil
Vloženo
Práva