|
|
|
|
| LEADER |
02746na a2200229 4500 |
| 003 |
HR-ZaFER |
| 008 |
160221s2019 ci ||||| m||| 00| 0 hr d |
| 035 |
|
|
|a (HR-ZaFER)ferid7236
|
| 040 |
|
|
|a HR-ZaFER
|b hrv
|c HR-ZaFER
|e ppiak
|
| 100 |
1 |
|
|a Pavleković, Ivan
|9 40657
|
| 245 |
1 |
0 |
|a Povećavanje rezolucije slike primjenom dubokog učenja :
|b završni rad /
|c Ivan Pavleković ; [mentor Tomislav Hrkać].
|
| 246 |
1 |
|
|a Image Superresolution Using Deep Learning
|i Naslov na engleskom:
|
| 260 |
|
|
|a Zagreb,
|b I. Pavleković,
|c 2019.
|
| 300 |
|
|
|a 35 str. ;
|c 30 cm +
|e CD-ROM
|
| 502 |
|
|
|b preddiplomski studij
|c Fakultet elektrotehnike i računarstva u Zagrebu
|g smjer: Računarska znanost, šifra smjera: 41, datum predaje: 2019-06-14, datum završetka: 2019-07-12
|
| 520 |
3 |
|
|a Sažetak na hrvatskom: Povećanje rezolucije slike jedna je od osnovnih transformacija slika. Tradicionalni pristupi su ograničeni i često rezultiraju zamućenom ili pikseliziranom slikom. Predloženi su modeli dubokih neuronskih mreža koji direktno generiraju povećanu sliku na temelju slike manje rezolucije. Korištenje konvolucijskih slojeva za izlučivanje značajki te generiranje veće slike na temelju tih značajki rezultira slikom veće kvalitete. U ovom radu promotrene su, implementirane i ocijenjene dvije duboke konvolucijske neuronske mreže konstruirane za rješavanje problema povećanja rezolucije slike. To su mreže SRCNN i MS-LapSRN. Mreže su učene na skupu slika DIV2K. Uspoređeni su rezultati korištenjem objektivnih numeričkih metoda MSE, PSNR i SSIM na skupovima slika Set5, Set14, T91, Urban100, BSDS100, BSDS200 i General100.
|
| 520 |
3 |
|
|a Sažetak na engleskom: Upscaling is one of the basic image transformations. Traditional approaches are limited and often result in blurred or pixelated image. Deep neural network models which directly generate high resolution images from smaller resolution input have been proposed. Usage of convolutional layers for feature extraction and generating images based on those features results in higher quality images. In this thesis, two deep convolutional neural networks have been studied, implemented and tested for the purpose of image super-resolution. These networks are SRCNN and MS-LapSRN. DIV2K dataset has been used for the training of both models. Objective numerical methods MSE, PSNR and SSIM were used to compare performance on Set5, Set14, T91, Urban100, BSDS100, BSDS200 and General100 datasets.
|
| 653 |
|
1 |
|a povećanje rezolucije slike
|a duboke konvolucijske neuronske mreže
|a duboko učenje
|a kvaliteta slike
|
| 653 |
|
1 |
|a single image super-resolution
|a deep convolutional neural networks
|a deep learning
|a image quality
|
| 700 |
1 |
|
|a Hrkać, Tomislav
|4 ths
|9 30817
|
| 942 |
|
|
|c Z
|
| 999 |
|
|
|c 51370
|d 51370
|