Bakalářská práce

Image Colorization with Neural Networks

Lucie Novotná
Anotace

Soupeřící sítě GAN jsou předmětem aktivního výzkumu již několik let. Jejich potenciál se skrývá především v obrazových translačních úlohách. V této práci zkoumáme efektivitu GAN sítí při převodu šedotónních obrázků na barevné. Představíme naši síť natrénovanou na vlastní datové množině, její implementaci a postup při optimalizaci modelu. Práce je zakončena analýzou a porovnáním s alternativní metodou kolorizace.

Abstract

Over the last decade, generative adversarial networks have been a subject of active research. They show great potential at tackling generative or image-to-image translation problems. In this thesis, we examine the effectiveness of generative adversarial networks for colorization tasks. We present a fully automatic network trained on our specifically curated dataset. The work includes implementation …více

Klíčová slova
machine learning deep learning image processing neural network GAN generative adversarial network colorization
Zadání práce
Cílem práce je návrh a implementace neuronové sítě pro převod šedotonních obrázků na barevné. Student bude mít v rámci této práce možnost využít výpočetní zdroje výkonných GPU využívaných v datových centrech. Předpokládá se, že řešení využije pokročilé metody strojového učení pro syntézu obrazu, jako jsou soupeřící sítě GAN. Očekává se, že pro trénování sítě bude využita datová množina o velikosti alespoň několika stovek prvků. Nedílnou součástí práce bude implementace, testování a optimalizace modelu, včetně analýzy dosažených výsledků pomocí metriky Fréchet Inception Distance (FID). Student by měl být seznámen s problematikou strojového učení v rozsahu kurzů IB031 a PV021.

Reference

Administrativní informace
Práce zkontrolována:
27. 5. 2021 15:13, RNDr. David Wiesner, Ph.D., učo 255597
Plný text práce
5,9 MB / soubor PDF
Přílohy (1)
Jazyk práce
angličtina angličtina
Termín obhajoby
28. 6. 2021
Práce byla úspěšně obhájena

Vedoucí

RNDr. David Wiesner, Ph.D., učo 255597
CABO KVI FI MU

Oponent

doc. RNDr. Tomáš Brázdil, Ph.D., MBA, učo 4074
KSUZD FI MU

Konzultanti

doc. RNDr. David Svoboda, Ph.D., učo 2824
KVI FI MU
Mgr. Jiří Víšek
KVI FI MU
Citovat tuto práci
Masarykova univerzita Fakulta informatiky
Studijní program
Aplikovaná informatika
Obor

Práce na příbuzné téma

Seznam prací, které mají shodná klíčová slova.

Podobné práce

  • Přidání souboru

    Soubor nebo složku lze nahrát pomocí tlačítka Přidat.

  • Další operace se soubory

    Podrobnosti lze zjistit označením příslušného řádku.

  • Pohled pro experty

    Pro častou práci je možné zvolit režim Více možností.

  • Vyhledávání souborů

    Vyhledávaný výraz můžete zadat přímo do adresního řádku.

  • Rychlý přístup k souborům

    Pomocí funkce Nedávné je možné se rychle vrátit k právě prohlíženým souborům. Oblíbené soubory je také možné označit Hvězdičkou.