Метод тренування нейромережі, що враховує границі, для підвищення різкості зображень
Date Issued
2024
Author(s)
Аврахов М. А.
Editor(s)
Abstract
Нейронні мережі (НМ) різних архітектур вже давно використовуються для виконання різноманітних операцій із зображеннями. Існує широкий спектр різних підходів до побудови НМ: згорткові, генеративно-змагальні, залишкові та інші. Однак, як зазначають дослідники Nvidia функції втрат (loss function), яка відіграє ключову роль у навчанні НМ, не приділяють такої пильної уваги у контексті обробки зображень. У той же час дослідники наголошують, що використання перцептуально-орієнтованих loss function може значно підвищити результати навчання НМ. Тому є актуальною модифікація loss function для вирішення завдання підвищення різкості зображення.
Метою роботи було визначення функції втрат НМ в задачі підвищення різкості зображення при врахуванні суб'єктивного сприйняття різкості. Об’єкт дослідження: розмиті зображення та функції втрат НМ. Предмет дослідження – методи оцінки різкості зображень.
Метою роботи було визначення функції втрат НМ в задачі підвищення різкості зображення при врахуванні суб'єктивного сприйняття різкості. Об’єкт дослідження: розмиті зображення та функції втрат НМ. Предмет дослідження – методи оцінки різкості зображень.
File(s)![Thumbnail Image]()
Loading...
Name
molod-2024-vol2-89-90.pdf
Size
951.66 KB
Format
Adobe PDF
Checksum
(MD5):998c99f4f9dc029af2143d5fcba6bd9c