Geri Dön

Learned image restoration and super-resolution

Makine öğrenimi ile imge onarımı ve süper çözünürlüğü

  1. Tez No: 520643
  2. Yazar: OGÜN KIRMEMİŞ
  3. Danışmanlar: PROF. DR. AHMET MURAT TEKALP
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2018
  8. Dil: İngilizce
  9. Üniversite: Koç Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 44

Özet

Derin öğrenme sinyal işlemenin her alanını derinden etkilemektedir. Hemen her gün yeni bir derin öğrenme mimarisi önerilmekte ve bu yöntemler insanlarca tasarlanmış geleneksel algoritmaların yerini almaktadırlar. Bir yapay sinir ağının girdilerini nasıl işlediğini saklı katmanlara bakarak analiz etmek kolay olmasa bile belli girdilere nasıl cevap verdiğini gözlemleyerek sinir ağını analiz edebiliriz. Bu tezde yapay sinir ağının imge işleme uygulamaları üzerinde performansını öngörebilmek için imgelerin karmaşıklığını ölçen 2 çeşit ölçü öneriyoruz. Sonuçlar bu ölçülerin yapay sinir ağlarının test kümelerinin üzerindeki davranışlarını açıkladığını göstermektedir. Ayrıca art işleme yaparak BPG formatı ile sıkıştırılmış imgelerin görüntü kalitelerini iyileştiren bir sinir ağı da öneriyoruz. Bu sinir ağını sadece tek bir nicemleme parametresine göre eğitmemize rağmen, sonuçlar değişik nicemleme parametresiyle sıkıştırılmış imgeleri de iyileştirebildiğimizi göstermektedir.

Özet (Çeviri)

It is known that deep learning is having a huge impact on every aspect of signal processing. Everyday new architectures employing deep learning are proposed substituting human-engineered algorithms and methods. Although it is not easy to analyze a neural network to understand how it operates on inputs by looking at hidden variables, we can still analyze them by looking at how they interact with certain kinds of inputs. In this thesis, we propose two measures to assess the complexity of images so that we can predict the performance of the neural network in the context of image processing. We show that these measures can be used for explaining the behavior of the neural network on test sets. Additionally, we propose a post-processing network which enhances visual quality of BPG compressed images. We show that although we trained the network with single QP, the network is able to enhance images encoded with various QPs.

Benzer Tezler

  1. Seyreklik ve sözlük öğrenme yaklaşımlarının sınıflandırma ve yüz tanımaya uygulanması

    Classification and face recognition application of sparsity and dictionary learning based methods

    BERNA AZİZOĞLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2017

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ENDER METE EKŞİOĞLU

  2. Türkiye'de taşınmaz kültür ve tabiat varlıklarını koruma olayı ve korumaya halkın katılımı konusunda yardımcı bir araştırma

    A Research to the conservation of historical monuments and natural environments with public porticipation in Turkey

    İSMET ŞAHİN

    Yüksek Lisans

    Türkçe

    Türkçe

    1990

    Şehircilik ve Bölge Planlamaİstanbul Teknik Üniversitesi

    PROF. HANDE SUHER

  3. Bulanık görüntülerin yapay sinir ağları ile onarılması

    Degraded image restoration using neural networks

    İBRAHİM İPEK

    Yüksek Lisans

    Türkçe

    Türkçe

    2012

    Elektrik ve Elektronik MühendisliğiYıldız Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. NİHAN KAHRAMAN

  4. Efficient maximum likelihood parameter learning: Image and radar applications

    Etkin en büyük olabilirlik parametre öğrenme: İmge ve radar uygulamaları

    FARUK SARI

    Doktora

    İngilizce

    İngilizce

    2006

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    DOÇ.DR. MEHMET ERTUĞRUL ÇELEBİ