Застосування нейронної мережі для стилізованої обробки зображень

Олександра Юріївна Колесник

doi:10.20535/2617-0965.2019.2.4.163832

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» Україна

Сторінки17-21 Опублікованосер 30, 2019 ЛіцензіяВідкритий доступ

pdf

ТОМ 2 · № 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

Електронний помічник для людини з вадами зору

Андрій Андрійович Пахомов, Роман Петрович Саган

Для людей із серйозними вадами зору запропоновано систему, яка допомагає виявляти перешкоди та викликати допомогу в екстреній ситуації. Система побудована на основі…

#мікроконтролер #GPS-модуль #GSM-модуль #оптичний сенсор

с. 227781-1 - 227781-4

10.20535/2617-0965.eae.227781

Застосування 3D-моделювання в медицині при підготовці до 3D-друку

Наталія Юріївна Оникієнко

Визначено основну функцію 3D-моделювання при підготовці до 3D-друку в процесі створення медичних моделей, яка полягає у вдосконаленні 3D-сітки моделі за рахунок…

#3D-моделювання #3D-друк #медичні 3D-моделі #програмне забезпечення

с. 227387-1 - 227387-5

10.20535/2617-0965.eae.227387

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

с. 227740-1 - 227740-5

10.20535/2617-0965.eae.227740

Схожі статті

Ярослав Юрійович Дорогий, Василь Васильович Цуркан, Олександр С. Хапілін, Автоматичне розпізнавання музичних жанрів глибокими згортковими нейронними мережами , Електронна та Акустична Інженерія: Том 1 № 1 (2018)
Валерія Миколаївна Охмак, Артем В. Крилов, Технологія інтернету речей для розпізнавання та передачі зображень у розумному будинку , Електронна та Акустична Інженерія: Том 4 № 4 (2021): Електроніка - 2021
Олег Живогляд, Прогнозування електроспоживання на базі нейронної мережі , Електронна та Акустична Інженерія: Том 2 № 1 (2019)
Олександр Васильович Дячук, Система пошуку об’єктів на зображенні , Електронна та Акустична Інженерія: Том 2 № 4 (2019)
П. О. Скірко, Ігор Володимирович Редько, Огляд методів реалізації нейронних обчислень на вбудованій системі , Електронна та Акустична Інженерія: Том 3 № 1 (2020)
Денис Солдатов, Методи розпізнавання рухів, дій людей на відео послідовностях , Електронна та Акустична Інженерія: Том 2 № 3 (2019)
Марія С. Молебна, Прилад для дослідження транспорту кисню в капілярах , Електронна та Акустична Інженерія: Том 4 № 1 (2021): Електроніка - 2021
Олександр Русланович Осадчук, Алгоритм розпізнавання природного мовного сигналу , Електронна та Акустична Інженерія: Том 4 № 3 (2021): Електроніка - 2021
Микола М. Комаровський, Затухання сигналу при передачі даних через лінію електропередачі: Використання лінії електропередач в якості каналу зв’язку. Способи зменшення спотворень при передачі сигналів по лініям електропередач. Технологія PLC , Електронна та Акустична Інженерія: Том 4 № 3 (2021): Електроніка - 2021
Артем Ігорович Фіронов, Віталій Вікторович Левченко, Система технічного зору для контролю доступу в приміщення , Електронна та Акустична Інженерія: Том 4 № 4 (2021): Електроніка - 2021

1-10 з 66 Наступне

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.