Metody pro zlepšování obrazu s pomocí neuronových sítí – Ing. Michal Dobrovolný
Ing. Michal Dobrovolný
Master's thesis
Metody pro zlepšování obrazu s pomocí neuronových sítí
Methods for image improvements with the use of neural networks
Abstract:
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 …moreAbstract:
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 …more
Language used: Czech
Date on which the thesis was submitted / produced: 30. 4. 2019
Identifier:
http://evskp.uhk.cz/eM5843
Thesis defence
- Date of defence: 28. 5. 2019
- Supervisor: Ing. Karel Mls, Ph.D.
- Reader: Mgr. et Mgr. Rafael Doležal, Ph.D.
Citation record
ISO 690-compliant citation record:
DOBROVOLNÝ, Michal. \textit{Metody pro zlepšování obrazu s pomocí neuronových sítí}. Online. Master's thesis. Hradec Králové: University of Hradec Králové, Faculty of Informatics and Management. 2019. Available from: https://theses.cz/id/n0x5ae/.
Full text of thesis
Contents of on-line thesis archive
Published in Theses:- Soubory jsou od 29. 5. 2019 dostupné: světu
Other ways of accessing the text
Institution archiving the thesis and making it accessible: Univerzita Hradec KrálovéUniversity of Hradec Králové
Faculty of Informatics and ManagementMaster programme / field:
Aplikovaná informatika / Aplikovaná informatika
Theses on a related topic
-
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 -
Porovnání molekul proteinů za pomoci výpočtů technologie CUDA grafických karet nVidia
Tomáš Došek -
Computing Strongly Connected Components with CUDA
Miroslav Stuhl -
Zlepšení metody predikce výkonu fúzovaných CUDA kernelů
Peter Novák -
Návrh a implementace aritmetického kodéru pro platformu CUDA
Vít Rusňák
Name
Posted by
Uploaded/Created
Rights