АСПЕКТИ ВИКОРИСТАННЯ НЕЙРОННИХ МЕРЕЖ ДЛЯ ПОКРАЩЕННЯ ЯКОСТІ ЗОБРАЖЕНЬ
Open Access
- 30 December 2024
- journal article
- Published by Publishing House Helvetica (Publications) in Таврійський науковий вісник. Серія: Технічні науки
- No. 6,p. 3-10
Abstract
У статті представлений огляд методів покращення та зменшення шуму в зображеннях, які ґрунтуються на згорткових і рекурентних нейронних мережах із додаванням блоків non-local operations. Ці методи знаходять широке застосування в різних галузях. У медицині вони допомагають поліпшити якість МРТ-знімків, що, в свою чергу, сприяє точності діагнозу лікарів. У сфері безпеки ці технології дозволяють покращувати зображення та підкреслювати деталі. Стаття охоплює основні наявні підходи до поліпшення зображень. У статті проведено аналіз основних характеристик нейронних мереж, що розглядаються, а також сценаріїв, у яких вони демонструють найбільшу ефективність. Також представлено таблицю з результатами роботи різних методів покращення зображень, до якої додано досліджуваний метод для оцінки його ефективності у покращенні зображень. У роботі підкреслено переваги кожного з цих підходів і їхню результативність у різних умовах. Врахування специфічних особливостей завдання знешумлення, таких як тип шуму, вид зображень та обмеження обробки, допоможе вибрати найбільш відповідну архітектуру для досягнення бажаного результату. У статті також обговорюється застосування блоку non-local operations для підвищення якості зображень. Цей блок служить для виявлення глобальних взаємозв'язків між пікселями, що сприяє кращому моделюванню відносин між різними частинами зображення. Завдяки блоку non-local operations можна ефективно виявляти довготривалі залежності та контекстну інформацію, що, в свою чергу, призводить до покращення дезагрегування шуму та відновлення зображень. Стаття пропонує всебічний огляд методів покращення та знешумлення зображень, які використовують згорткові і рекурентні нейронні мережі з додаванням блоку non-local operations, а також надає інформацію про наявні підходи. Інформація та рекомендації, наведенні в цій статті, можуть бути корисними для вибору відповідних методів для розв'язання завдань обробки зображень. Стаття є корисною для дослідників у галузі обробки зображень та машинного навчання, які хочуть ознайомитися з основними відмінностями між згортковими нейронними мережами (CNN) та рекурентними нейронними мережами (RNN), а також з уже відомими підходами до покращення і зменшення шуму в зображеннях.Keywords
This publication has 2 references indexed in Scilit:
- Deep learning on image denoising: An overviewNeural Networks, 2020
- Image Super-Resolution Using Deep Convolutional NetworksIEEE Transactions on Pattern Analysis and Machine Intelligence, 2015