Syvät konvoluutioneuroverkot kuvien laadun ja resoluution parantamisessa
Tutkielma on kirjallisuuskatsaus SRCNN-menetelmästä (engl. super-resolution convolutional neural network method) ja sen eri versioista. Näillä menetelmillä voidaan skaalata kuvia suuremmiksi ilman, että lopputuloksesta tulee pikselöitynyt. Yksittäisten kuvien suurentamisen ja pienentämisen lisäksi n...
| Päätekijä: | |
|---|---|
| Muut tekijät: | , , , , , |
| Aineistotyyppi: | Kandityö |
| Kieli: | fin |
| Julkaistu: |
2019
|
| Aiheet: | |
| Linkit: | https://jyx.jyu.fi/handle/123456789/64469 |
| Yhteenveto: | Tutkielma on kirjallisuuskatsaus SRCNN-menetelmästä (engl. super-resolution convolutional neural network method) ja sen eri versioista. Näillä menetelmillä voidaan skaalata kuvia suuremmiksi ilman, että lopputuloksesta tulee pikselöitynyt. Yksittäisten kuvien suurentamisen ja pienentämisen lisäksi niitä voidaan käyttää myös videoiden skaalaamiseen sekä häviöllisestä pakkaamisesta syntyvien jäänteiden vähentämiseen.
This thesis is a literature review of a method called super-resolution convolutional neural network (SRCNN) and its different versions. These methods can be used to upscale images without causing pixelation. In addition to upscaling and downscaling single images, they can also be used to scale videos and to reduce artifacts caused by lossy compression.
|
|---|