Deep learning methods for blind super resolution using self-attention transformers and degradation estimations
Öz-dikkat dönüştürücüler ve bozulma tahminleri kullanarak kör süper çözünürlük için derin öğrenme yöntemleri
- Tez No: 851178
- Danışmanlar: DOÇ. DR. ŞEYDA ERTEKİN BOLELLİ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 80
Özet
Kör Süper Çözünürlük yöntemleri, bilinmeyen bozulma işlemleriyle tek bir yüksek çözünürlüklü görüntünün birden fazla farklı düşük çözünürlüklü karşılığını iyileştirmeyi amaçlamaktadır. Bilgisayar görüşündeki çeşitli tekniklerin ilerlemesiyle, birçok yöntem Kör SR alanında uygulanmış ve araştırmalara genellikle CNN tabanlı modeller hakim olmuştur. Bilgisayar görüşü alanındaki dönüştürücülerin başarısından yararlanmak için, dönüştürücüleri ve bozulma temsillerini bir Kör SR modeline entegre ediyoruz. Ayrıca, Kör Olmayan SR modellerine kıyasla eksik zirve performansının gözlemlenmesiyle, Kör SR problemini iki ayrı probleme parçalayarak ele alıyoruz. İdeal ayarlardaki alt düzey performans, kör ayarların içsel karmaşıklığından kaynaklanmaktadır. Bu sorunu ele almak için, özellikle Kör SR için tasarlanmış bir ön işleme yöntemi olarak hizmet veren özel bir bulanıklık giderme ve gürültü azaltma yaklaşımı sunuyoruz. Özellikle, ön işleme yöntemimiz ile düşük çözünürlüklü görüntüler tek bir bozulmaya standartlaştırılır, standartlaşan görüntü Kör Olmayan SR yöntemleriyle çözünürlük yükseltme işlemini tamamlar ve Kör SR performansına ulaşır. Bu metoda ek olarak, benzer mimari ile baştan sona bir Kör SR metodu sunuyoruz. Her iki yaklaşımımızı da Set5, Set14, B100 ve Urban100 veri setleri ile değerlendiriyoruz ve sonuçları PSNR metrigi kullanarak diğer en iyi yöntemlerle karşılaştırıyoruz.
Özet (Çeviri)
Blind Super-Resolution methods aims to enhance the resolution of multiple different low resolution image counterparts of a single high resolution image with unknown degradation processes. With the advancements of various techniques in computer vision, many of the methods have been applied in Blind SR area and research has been mostly dominant with CNN based models. In order to take advantage of success of transformers in computer vision area, we integrate transformers and degradation representations for a Blind SR model. Furthermore, with the observation of lack of peak performance compared to Non-Blind SR models we separate the Blind SR problem. This sub-par performance in ideal settings is due to the inherent complexity in blind settings. To address this issue, we present a deblurring and denoising approach specifically for Blind SR which serves as a preprocessing method. Specifically our preprocessing method standardizes the low resolution images to a single degradation, which then can be enhanced with Non Blind SR methods to achieve Blind-SR performance. In addition to this approach we also use the same baseline architecture and propose an end to end Blind SR approach. We evaluate both our approaches on Set5, Set14, B100 and Urban100 datasets and compare the results with other state-of-the-art approaches using PSNR metric.
Benzer Tezler
- Single-frame and multi-frame super-resolution on remote sensing images via deep learning approaches
Derin öğrenme yaklaşımlarıyla uzaktan algılama görüntülerinde tek çerçeve ve çok çerçeve süper çözünürlük
PEIJUAN WANG
Doktora
İngilizce
2022
İletişim Bilimleriİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
PROF. DR. ELİF SERTEL
- Termal görüntülere derin öğrenme tabanlı süper çözünürlük yöntemlerinin uygulanması
Application of deep learning based super resolution in thermal images
CANER CİVE
Yüksek Lisans
Türkçe
2023
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. ENDER METE EKŞİOĞLU
- Image text deblurring by convolutional neural networks
Konvolüsyonel sınır ağları ıle görüntü metın bulanıklığı gıderme
ALI SHAKIR MAHMOOD ALAHMED
Yüksek Lisans
İngilizce
2021
Elektrik ve Elektronik MühendisliğiGaziantep ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SERKAN ÖZBAY
- Blind code identification using deep neural networks
Derin yapay sinir ağları kullanılarak kör kod tanıma
CİHAT KEÇECİ
Yüksek Lisans
İngilizce
2020
Elektrik ve Elektronik MühendisliğiBoğaziçi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA HAKAN DELİÇ
- Comparative study on music source separation methods
Müzik kaynağı ayırma yöntemleri üzerine karşılaştırmalı çalışma
BURAK BAYSAL
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHacettepe ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET ÖNDER EFE