Název:
Augmentace datasetu s využitím metod přenesení stylu
Překlad názvu:
Dataset augmentation with style transfer methods
Autoři:
Wolny, Michał ; Ligocki, Adam (oponent) ; Kratochvíla, Lukáš (vedoucí práce) Typ dokumentu: Bakalářské práce
Rok:
2023
Jazyk:
cze
Nakladatel: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií
Abstrakt: [cze][eng]
Tato bakalářská práce se zaměřuje na metody augmentace datasetu a metody přenesení stylu. Z celého spektra dostupných algoritmů pro přenos stylu byly vybrány tři velmi odlišné metody, které byly implementovány a následně experimentálně použity k augmentaci datasetu. Efektivita augmentace pomocí těchto metod byla ověřena prostřednictvím provedení statistické analýzy každého nově vytvořeného datasetu ve srovnání s původním, neupraveným datasetem. Výsledky analýzy poskytují důležité informace o změnách ve statistických charakteristikách, jako je entropie, průměr, medián, rozptyl a směrodatná odchylka. Tyto informace pomohly zhodnotit účinnost a vliv použitých metod augmentace na rozšířený dataset a poskytnout důkazy o jejich potenciálu.
This bachelor's thesis focuses on the research of dataset augmentation and style transfer methods. From the range of available style transfer algorithms, three very different methods were selected, implemented and then experimentally used for dataset augmentation. The effectiveness of augmentation using these methods was verified by performing a statistical analysis of each newly created dataset compared to the original, unmodified dataset. The results of the analysis provide important information about changes in statistical characteristics such as entropy, mean, median, variance, and standard deviation. This information helped to evaluate the effectiveness and impact of the augmentation methods used on the augmented dataset and provide evidence of their potential.
Klíčová slova:
AdaIN; Augmentace datasetu; CLIPstyler; konvoluční neuronová síť; počítačové vidění; přenesení stylu; strojové učení; AdaIN; CLIPstyler; computer vision; convolutional neural network; Data augmentation; machine learning; neural style transfer
Instituce: Vysoké učení technické v Brně
(web)
Informace o dostupnosti dokumentu:
Plný text je dostupný v Digitální knihovně VUT. Původní záznam: http://hdl.handle.net/11012/210989