Year: 2021
Type: dissertation
Abstract: Робота складається із вступу та чотирьох розділів. Загальний обсяг \nроботи: 86 аркушів основного тексту, 42 ілюстрацій, 12 таблиця. При \nпідготовці використовувалася література з 42 різних джерел. \nАктуальність. З розвитком мережевих технологій кількість даних \nщо використовуються у повсякденному житті кожним із нас зростає із \nнеймовірною швидкістю, за нещодавніми дослідженнями за останні 20 \nроків людство згенерувало більше інформації ніж за все своє існування, що \nставить перед нами задачу ефективного способу збереження та передачі \nданих як одну із найпріорітетніших в даний момент. \nОсобливо важливим типом інформації є зображення і вміння його \nефективно зберігати та передавати надає неймовірні можливості людству, \nпроте останні роки ми користувалися лише класичними алгоритмами для \nстискання зображення. Отже використання нейронних мереж у даній \nсфері фактично може відкрити нові раніше не бачені горизонти що \nдозволяють нам перейти на нову ланку у розвитку технологій компресії. \nМета і завдання дослідження. Метою магістерської роботи є \nстворення та розвиток способів покращення характеристик методу \nкомпресії зображення що базується на основі нейронної мережі. \nДля досягнення поставленої магістерською роботою мети було \nпоставлено й вирішено наступні завдання: \n● дослідження поняття зображення та його структури й існуючих \nсучасних форматів різних типів; \n● глибоко розглянуті існуючі методи компресії зображення із втратами \nта без втрат; \n● розглянуто існуючі методи компресії зображення із використання \nнейронних мереж; \n● проаналізовано та покращено існуючий метод глибокої компресії \nзображення що базується на основі квантування даних зображення у \nканалах; \n● проілюстровано роботу моделі та проаналізовано результати \nствореного покращеного варіанту нейронної мережі відносно \nоригінального дослідження; \nОб’єкт дослідження. Метод стиснення зображення на основі \nнейронної мережі \nПредмет дослідження. Ефективність роботи методу компресії \nзображення та шляхи її покращення \nМетоди досліджень. Для досягнення поставлених в магістерській \nроботі задач, було використано методи машинного навчання та тренування \nнейронних мереж. Наукова новизна проведеного дослідження забезпечена \nнаступними пунктами: \n● було запропоновано новий блок нейронної мережі що є складовою \nкодувальника у підході до глибокої компресії зображення. \n● розроблено та доповнено програмний продукт нейронної мережі для \nзабезпечення поставленої задачі. \n● тренування проведено на хмарному провайдері Microsoft Azure. \nОсобистий внесок здобувача. Магістерське дослідження є \nсамостійно виконаною роботою, в якій відображено особистий авторський \nпідхід та особисто отримані теоретичні та прикладні результати, що \nвідносяться до вирішення задачі глибокої компресії зображення з \nдопомогою нейронної мережі. Формулювання мети та завдань \nдослідження проводилось спільно з науковим керівником. \nПрактична цінність. Отримані результати можуть бути вільно \nвикористані у мабутніх дослідженнях за напрямками: \n● машинне навчання \n● глибока компресія зображення \n● компресія зображення нейронними мережами \nПублікації. Результати дослідження, яке було виконано в рамках \nдисертації, були представлені на наступних конференціях, та опубліковані \nв збірниках доповідей цих конференцій: \n1. D. Vasylenko, S. Stirenko, Y. Gordienko, Deep Image Compression \nSystem for the Better Rate-Distortion Performance, The International \nConference on Security, Fault Tolerance, Intelligence (ICSFTI2021 \nOnline), Kyiv, Ukraine. \n2. D. Vasylenko, S. Stirenko, Y. Gordienko, Improvement of Image \nCompression Performance by Deep Neural Networks, IEEE 19th \nInternational Conference on Smart Technologies (EUROCON-2021), \nLviv, Ukraine.
Author: Василенко, Дмитро Євгенійович
Language: Ukrainian
Subfield: Computer Vision and Pattern Recognition
Field: Computer Science
Domain: Physical Sciences
Open Access status: green
OpenAlex ID: W7062960009