Enhancing image-to-image translation: A novel conditional generative adversarial network approach with u-net and resnet combination
Görüntüden görüntüye çevirinin geliştirilmesi: U-net ve resnet kombinasyonu ile yeni bir koşullu üretken çekişmeli ağ yaklaşımı
- Tez No: 877329
- Danışmanlar: DR. ÖĞR. ÜYESİ ERKUT ARICAN
- 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: Bahçeşehir Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 77
Özet
Görüntüden görüntüye çeviri, bilgisayarlı görmede, farklı görüntü alanları arasında dönüşümlere izin veren, stil aktarımı ve görüntü iyileştirme gibi birçok benzersiz uygulama türüne olanak tanıyan çok önemli bir görevdir. Bu çalışmamız, U-Net ve ResNet'i birleştiren mimariye sahip çift-üretici ve PatchGAN kullanan mimariye sahip bir ayırıcının olduğu, yeni bir koşullu üretken çekişmeli ağ modelini içerir. Modelimizin performansı SSIM ve PSNR gibi çok bilinen değerlendirme metrikleri kullanılarak değerlendirilmiştir.. Ayrıca, modelin sonuçlarını aynı değerlendirme metriklerini kullanan diğer çalışmalarla karşılaştırılmasının yanı sıra katılımcıların hedef görüntüye en çok benzeyen görüntüyü seçtikleri anket aracılığıyla da değerlendirilmiştir. Sonuçlar, modelimizin hem değerlendirme ölçütlerinde hem de anket sonucunda diğer yöntemlerden daha iyi sonuçlar vererek görüntüden görüntüye çeviri modelimizin etkinliğini kanıtlamıştır.
Özet (Çeviri)
Image-to-image translation is a very important task in computer vision that allows transformations between different image domains, allowing for many unique types of applications such as style transfer and image enhancement. The methodology used in this paper includes a novel conditional generative adversarial network model with a pair of generator and discriminator in which the generator has an architecture that combines U-Net and ResNet while the discriminator has an architecture that uses PatchGAN. The performance of the model was evaluated using highly known evaluation metrics such as SSIM and PSNR. Furthermore, we compared the results of the model with other studies using the same evaluation metrics and also by conducting a public survey for human visual assessment in which participants voted for the image that looked most similar to the target. The results have shown that our model exceeds other methods in both the evaluation metrics and the public survey, proving the effectiveness of our image-to-image translation model.
Benzer Tezler
- Dinamik olmayan stokastik rezonans yöntemi kullanılarak su altı görüntülerinin iyileştirilmesi
Underwater image enhancement using non-dynamic stochastic resonance
RUSTAM SALIMOV
Doktora
Türkçe
2024
Fizik ve Fizik MühendisliğiSakarya ÜniversitesiFizik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HACI AHMET YILDIRIM
- Template-based 3D-2D rigid registration of vascular structures in frequency domain from a single view
Damarların frekans uzayında şablona dayalı tek görüntüden 3B-2B katı çakıştırılması
TİMUR AKSOY
Doktora
İngilizce
2015
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSabancı ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÖZDE ÜNAL
- Dinamik manyetik rezonans görüntüleme ve ultrason kontrast ajanlı power doppler ultrasonografi ile meme lezyonlarında benign ve malign ayrımı
Başlık çevirisi yok
FAİK SUNGURLU
Tıpta Uzmanlık
Türkçe
2002
OnkolojiMarmara ÜniversitesiRadyodiagnostik Ana Bilim Dalı
DOÇ.DR. ERKİN ARIBAL
- Multi-modal image registration
Çok modlu görüntü çakıştırma
MOHAMED SABBAH MOHAMED MESBAH ELSAEIDY
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Medipol ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. BAHADIR KÜRŞAT GÜNTÜRK
- Histogram-based sampling and multi-level global registration for 3D point clouds
3B nokta bulutları için histogram tabanlı örnekleme ve çok katmanlı global eşleştirme
OSMAN ERVAN
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
PROF. DR. HAKAN TEMELTAŞ