Застосування нейронної мережі для стилізованої обробки зображень

Олександра Юріївна Колесник

doi:10.64915/41pwqt96

Т. 2 · № 4 · 2019 сер 30, 2019 Електронні системи та сигнали

Застосування нейронної мережі для стилізованої обробки зображень

ОК

Олександра Юріївна Колесник Відповідальний Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського» kolesnyk.oleksandra@gmail.com Україна

Сторінки17-21 Опублікованосер 30, 2019 ЛіцензіяВідкритий доступ

pdf

VOL 2 · NO 4 · 2019 Переглянути випуск

Анотація

У статті розглянуто задачу обробки графічних зображень з використанням математичного апарату штучних нейронних мереж. Окремо розглядається структура згорткової нейронної мережі. Для вирішення задачі художньої обробки фотографії з використанням заданої стилістичної техніки використовуються два зображення – «картинка-контент» та «картинка-стиль», яка задає шаблон стилістики. При застосуванні різних стилістичних шаблонів можна сформувати фото з різною стилістикою – наприклад, у стилі імпресіонізму, абстракціонізму, тощо. Таким чином, робота представляє інтерес як з художньої, так і з дослідницької точки зору. Бібл. 10, рис. 6.

Ключові слова

#обробка зображень #штучні нейронні мережі #згорткові мережі #згортка #передача стилю

Посилання

X.-C. Liu, M.-M. Cheng, Y.-K. Lai, and P. L. Rosin, “Depth-aware neural style transfer,” in Proceedings of the Symposium on Non-Photorealistic Animation and Rendering, 2017, pp. 1–10, DOI: 10.1145/3092919.3092924
L. A. Gatys, A. S. Ecker, and M. Bethge, “Image Style Transfer Using Convolutional Neural Networks,” 2016 IEEE Conf. Comput. Vis. Pattern Recognit., pp. 2414–2423, 2016, DOI: 10.1109/CVPR.2016.265
W. Chen, Z. Fu, D. Yang, and J. Deng, “Single-Image Depth Perception in the Wild,” Adv. Neural Inf. Process. Syst., pp. 730–738, 2016.
A. G. Howard, Some Improvements on Deep Convolutional Neural Network Based Image Classification. 2013 URL: https://arxiv.org/abs/1312.5402
P.-Y. Laffont, Z. Ren, X. Tao, C. Qian, and J. Hays, “Transient attributes for high-level understanding and editing of outdoor scenes,” ACM Trans. Graph., vol. 33, no. 4, pp. 1–11, 2014, DOI: 10.1145/2601097.2601101
C. Li and M. Wand, “Combining Markov Random Fields and Convolutional Neural Networks for Image Synthesis,” 2016, URL: http://arxiv.org/abs/1601.04589
V. V. Vyugin, Matematicheskiye osnovy teorii mashinnogo obucheniya i prognozirovaniya [The mathematical foundations of machine learning theory and forecast]. Moscow, 2013.
K. Simonyan and A. Zisserman, “Very Deep Convolutional Networks for Large-Scale Image Recognition,” 2014, URL: http://arxiv.org/abs/1409.1556
L.-C. Chen, G. Papandreou, I. Kokkinos, K. Murphy, and A. L. Yuille, “DeepLab: Semantic Image Segmentation with Deep Convolutional Nets, Atrous Convolution, and Fully Connected CRFs.,” IEEE Trans. Pattern Anal. Mach. Intell., vol. 40, no. 4, pp. 834–848, 2018, DOI: 10.1109/TPAMI.2017.2699184
А. А. Lukjanitsa and А. G. Shishkin, Obrabotka videoizobrazheniy [Video processing]. Moscow: ISS Press, 2009.

Ліцензія

CCBY-NC 4.0

Creative Commons Із зазначенням авторства 4.0 Міжнародна

Ця робота має відкриту ліцензію: вільно поширюйте та адаптуйте її, посилаючись на авторів і журнал. Умови ліцензії ↗

Попередня у випуску Застосування концепції віртуального конкурентного вікна для визначення якісних показників безпроводової мережі стандарту 802.11 Наступна у випуску Особливості аналізу звукових ефектів в обчислювальній платформі iOS

§ 06 — Пов'язані

Схожі статті в цьому журналі

Пов'язані рецензовані дослідження, опубліковані в цьому журналі.

Усі випуски

Застосування оракульного концептування при програмуванні дизайну електронних мікросхем

Максим Олегович Зилевіч

У роботі запропоновано розширення принципів адаптивного середовища програмування на основі дослідження інтерсуб’єктивної парадигми шляхом розв’язання програмістських…

#метод #синтез #інтерсуб’єктивна парадигма #оракул

p. 227740-1 - 227740-5

Аналіз нелінійної системи overdrive

Даниїл Володимирович Грищук

У статті визначена можливість використання програм MATLAB та Reaper для аналізу нелінійних систем типу overdrive, на прикладі педалі звукового ефекту Ibanez tube…

#overdrive #частота основного тону #гітарний сигнал #додаткові форманти

p. 227832-1 - 227832-3

Прилад для дослідження транспорту кисню в капілярах

Марія С. Молебна

В роботі досліджується можливість візуалізації процесу передачі кисню тканинам організму через механізм капілярів. Запропоновано застосувати принцип оксиметрії на…

#оксиметрія #капіляроскопія #капілярна оксиметрія #просторово роздільна оксиметрія

p. 228255-1 - 228255-6

Схожі статті

Микола Володимирович Мирошніченко, Пристрій для догляду за домашніми рослинами , Електронна та Акустична Інженерія: Том 4 № 3 (2021)
Михайло Д. Татарников, Поліна І. Трояновська, Сергій Б. Могильний, Резервне живлення модуля управління побутового газового котла , Електронна та Акустична Інженерія: Том 2 № 4 (2019)
Валерія Миколаївна Охмак, Енергоменеджмент та виявлення подій в системі нагрівання води для забезпечення безпеки користування , Електронна та Акустична Інженерія: Том 3 № 4 (2020)
Олексій Олегович Андрійченко, Олександр Ігорович Денисенко, Суб’єктивне оцінювання розбірливості зашумленої мови в лекційному приміщенні , Електронна та Акустична Інженерія: Том 2 № 3 (2019)
Анастасія Юріївна Міцукова, Юрій Олексійович Оникієнко, Автоматизована система налаштування освітлювального обладнання з можливістю подальшого корегування , Електронна та Акустична Інженерія: Том 3 № 3 (2020)
Максим Сергійович Шапарець, Дослідження технічних особливостей RFID- системи на основі Arduino , Електронна та Акустична Інженерія: Том 2 № 3 (2019)
Артем Вадимович Крилов, Класифікація методів машинного навчання у MicroGrid , Електронна та Акустична Інженерія: Том 3 № 2 (2020)
Ігор Сергійович Федин, Вибір топології інвертора для автономних систем електроживлення з використанням сонячних панелей , Електронна та Акустична Інженерія: Том 3 № 2 (2020)
Максим Олегович Зилевич, Вимірювальний стенд для дослідження впливу неоднорідної деформації на компоненти біполярних ІМС , Електронна та Акустична Інженерія: Том 2 № 1 (2019)
Олексій Переверзєв, Автономні системи збору даних з безпровідним каналом зв'язку , Електронна та Акустична Інженерія: Том 2 № 3 (2019)

Попереднє 51-60 з 60

Ви також можете розпочати розширений пошук схожих статей для цієї статті.

[1] X.-C. Liu, M.-M. Cheng, Y.-K. Lai, and P. L. Rosin, “Depth-aware neural style transfer,” in Proceedings of the Symposium on Non-Photorealistic Animation and Rendering, 2017, pp. 1–10, DOI: 10.1145/3092919.3092924

[2] L. A. Gatys, A. S. Ecker, and M. Bethge, “Image Style Transfer Using Convolutional Neural Networks,” 2016 IEEE Conf. Comput. Vis. Pattern Recognit., pp. 2414–2423, 2016, DOI: 10.1109/CVPR.2016.265

[3] W. Chen, Z. Fu, D. Yang, and J. Deng, “Single-Image Depth Perception in the Wild,” Adv. Neural Inf. Process. Syst., pp. 730–738, 2016.

[4] A. G. Howard, Some Improvements on Deep Convolutional Neural Network Based Image Classification. 2013 URL: https://arxiv.org/abs/1312.5402

[5] P.-Y. Laffont, Z. Ren, X. Tao, C. Qian, and J. Hays, “Transient attributes for high-level understanding and editing of outdoor scenes,” ACM Trans. Graph., vol. 33, no. 4, pp. 1–11, 2014, DOI: 10.1145/2601097.2601101

[6] C. Li and M. Wand, “Combining Markov Random Fields and Convolutional Neural Networks for Image Synthesis,” 2016, URL: http://arxiv.org/abs/1601.04589

[7] V. V. Vyugin, Matematicheskiye osnovy teorii mashinnogo obucheniya i prognozirovaniya [The mathematical foundations of machine learning theory and forecast]. Moscow, 2013.

[8] K. Simonyan and A. Zisserman, “Very Deep Convolutional Networks for Large-Scale Image Recognition,” 2014, URL: http://arxiv.org/abs/1409.1556

[9] L.-C. Chen, G. Papandreou, I. Kokkinos, K. Murphy, and A. L. Yuille, “DeepLab: Semantic Image Segmentation with Deep Convolutional Nets, Atrous Convolution, and Fully Connected CRFs.,” IEEE Trans. Pattern Anal. Mach. Intell., vol. 40, no. 4, pp. 834–848, 2018, DOI: 10.1109/TPAMI.2017.2699184

[10] А. А. Lukjanitsa and А. G. Shishkin, Obrabotka videoizobrazheniy [Video processing]. Moscow: ISS Press, 2009.