prikaz prve stranice dokumenta Super-rezolucija slika strojnim učenjem
Rad nije dostupan
diplomski rad
Super-rezolucija slika strojnim učenjem
Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2022. urn:nbn:hr:168:255873
Lazarić, Marko
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva

Institucijski repozitorij: Repozitorij FER-a

Citirajte ovaj rad

Lazarić, M. (2022). Super-rezolucija slika strojnim učenjem (Diplomski rad). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:168:255873

Lazarić, Marko. "Super-rezolucija slika strojnim učenjem." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2022. https://urn.nsk.hr/urn:nbn:hr:168:255873

Lazarić, Marko. "Super-rezolucija slika strojnim učenjem." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2022. https://urn.nsk.hr/urn:nbn:hr:168:255873

Lazarić, M. (2022). 'Super-rezolucija slika strojnim učenjem', Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 19.12.2024., https://urn.nsk.hr/urn:nbn:hr:168:255873

Lazarić M. Super-rezolucija slika strojnim učenjem [Diplomski rad]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2022 [pristupljeno 19.12.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:255873

M. Lazarić, "Super-rezolucija slika strojnim učenjem", Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2022. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:255873

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:255873
Podaci o radu
NaslovSuper-rezolucija slika strojnim učenjem
Naslov (engleski)Image super-resolution using machine learning
AutorMarko Lazarić
MentorMarko Čupić (mentor)
Član povjerenstvaMarko Čupić (predsjednik povjerenstva)
Član povjerenstvaAlan Jović (član povjerenstva)
Član povjerenstvaŽeljka Mihajlović (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva
Zagreb
Datum i država obrane2022-06-28, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Sažetak
Super-rezolucija na temelju jedne slike je zadatak gdje je cilj dobiti sliku visoke rezolucije na temelju jedne slike niske rezolucije. To je iznimno loše postavljen problem s fokusom na ljudsku percepciju jer svaki piksel može poprimiti veliki broj vrijednosti i zato što ljudi nisu jednako osjetljivi na svaku promjenu u slici. Pristupi temeljeni na strojnom učenju su ostvarili dobre rezultate na tom problemu, ali zahtijevaju skupu računalnu opremu za pokretanje i treniranje. U ovom radu, predložen je pristup temeljen na konvolucijskoj neuronskoj mreži koji ostvaruje dobru točnost i brzinu izvođenja. Model je baziran na FSRCNN modelu s dodatnim modifikacijama kao što su samoansambliranje i kombinacija s interpolacijom za komponente prostora boja na koje ljudi nisu jako osjetljivi. Trenirani model je evaluiran na popularnim skupovima podataka za super-rezoluciju i uspoređen s pristupima temeljenim na interpolaciji i drugim popularnim modelima strojnog učenja. Jednostavna web aplikacija je implementirana koja omogućava korisniku da jednostavno usporedi različite pristupe super-rezoluciji na proizvoljnim slikama vizualno i numerički.
Sažetak (engleski)
Single-image super-resolution is the task of transforming a single low-resolution image into a high-resolution one. It is a fundamentally ill-posed and human-oriented problem due to the number of solutions for each pixel and the fact that people are not equally sensitive to all changes in the image. Machine learning based approaches to the problem have achieved great results in the problem, but require expensive hardware to run and train. In this thesis, a convolutional neural network based approach to the problem is explored to find a model with good accuracy and speed. It is based on the FSRCNN model with additional modifications of self-ensembling and combination with interpolation for the color space components which people are not as sensitive to. The trained model is evaluated on popular super-resolution datasets and compared with interpolation based approaches and other popular machine learning models. Finally, a simple web application is implemented to visually and numerically evaluated the different super-resolution approaches on arbitrary images.
Ključne riječi
Ključne riječi (engleski)
Jezikengleski
URN:NBNurn:nbn:hr:168:255873
Studijski programNaziv: Računarstvo
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: magistar/magistra inženjer/inženjerka računarstva (mag.ing.comp.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaZatvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Javna napomena
Datum i vrijeme pohrane2023-01-13 15:23:48