Prijenos umjetničkog stila i tekstura između slika pomoću strojnog učenja

Sažetak na hrvatskom: U ovom radu opisan je prijenos umjetničkog stila između slika pomoću strojnog učenja. Sustav koji vrši prijenos umjetničkog stila prima ulaznu sliku i sliku umjetničkog djela te stvara novu sliku koja je sadržajem slična ulaznoj slici, ali izgleda kao da ju je naslikao autor um...

Full description

Permalink: http://skupnikatalog.nsk.hr/Record/fer.KOHA-OAI-FER:49575/Details
Glavni autor: Nakić, Domagoj (-)
Ostali autori: Čupić, Marko (Thesis advisor)
Vrsta građe: Drugo
Impresum: Zagreb, D. Nakić, 2018.
Predmet:
LEADER 02260na a2200229 4500
003 HR-ZaFER
008 160221s2018 ci ||||| m||| 00| 0 hr d
035 |a (HR-ZaFER)ferid5365 
040 |a HR-ZaFER  |b hrv  |c HR-ZaFER  |e ppiak 
100 1 |a Nakić, Domagoj 
245 1 0 |a Prijenos umjetničkog stila i tekstura između slika pomoću strojnog učenja :  |b diplomski rad /  |c Domagoj Nakić ; [mentor Marko Čupić]. 
246 1 |a Transfer of Artistic Style and Textures Between Images Using Machine Learning  |i Naslov na engleskom:  
260 |a Zagreb,  |b D. Nakić,  |c 2018. 
300 |a 45 str. ;  |c 30 cm +  |e CD-ROM 
502 |b diplomski studij  |c Fakultet elektrotehnike i računarstva u Zagrebu  |g smjer: Računarska znanost, šifra smjera: 56, datum predaje: 2018-06-29, datum završetka: 2018-07-13 
520 3 |a Sažetak na hrvatskom: U ovom radu opisan je prijenos umjetničkog stila između slika pomoću strojnog učenja. Sustav koji vrši prijenos umjetničkog stila prima ulaznu sliku i sliku umjetničkog djela te stvara novu sliku koja je sadržajem slična ulaznoj slici, ali izgleda kao da ju je naslikao autor umjetnine. Dva postojeća pristupa ovom problemu ponovno su implementirana. Prvi pristup formulira prijenos stila kao optimizacijski problem, a drugi za stvaranje nove slike koristi konvolucijsku neuronsku mrežu za transformiranje slika. Prikazani su rezultati postupka i na kraju su dani prijedlozi za daljnji rad. 
520 3 |a Sažetak na engleskom: This thesis describes artistic style transfer between images using machine learning. Style transfer systems accepts an input image and a work of art to produce a new image that resembles the input image, but looks like it is painted by an artist. Two existing style transfer algorithms were implemented and compared. The original, slower approach frames style transfer as an optimization problem. Faster style transfer algorithm uses a convolutional image transformation network to generate the styled image. We present resulting images as well as suggestions for further work. 
653 1 |a strojno učenje, duboko učenje, prijenos stila, obrada slike 
653 1 |a machine learning, deep learning, style transfer, image processing 
700 1 |a Čupić, Marko  |4 ths 
942 |c Y 
999 |c 49575  |d 49575