Název:
Rekonstrukce poškozeného snímku obličeje
Překlad názvu:
Reconstruction of a Damaged Facial Image
Autoři:
Pleško, Filip ; Orság, Filip (oponent) ; Goldmann, Tomáš (vedoucí práce) Typ dokumentu: Diplomové práce
Rok:
2023
Jazyk:
eng
Nakladatel: Vysoké učení technické v Brně. Fakulta informačních technologií
Abstrakt: [eng][cze]
Generatívne súperiace neurónové siete (GAN) sú rýchlo rozvýjajúca sa technológia, čo sa týka generovania obrazu. V tejto práci sú použité pre rekonštrukciu obrazu tváre, ktorá bola zakrytá predmetom. Práca najskôr vysvetľuje nutnú teóriu a potom preskúmava existujúce riešenia pre daný problém. Nakoniec navrhuje niekoľko rôznych GAN modelov za účelom zistiť, ktorá kombinácia vrstiev najviac pomáha pri rekonštrukcii tváre. Riešenia ktoré prispeli najviac, sú potom spolu skombinované aby bol vytvorený finálny model. Tento model je potom taktiež otestovaný na úlohe rozpoznavania tváre, aby bolo možné zistiť, či rekonštrukcia poškodeného snímku tváre môže byť pre túto úlohu nápomocná.
Generative adversarial networks (GANs) are fast evolving technology in image generation field. In this thesis are GANs used for face image reconstruction, where the face was covered with some item. First some necessary theory is explained, and then existing solutions are discussed. In the end, several GAN models are proposed with intention to find out what layers combination work the best for face image reconstruction. The best solutions are combined into final architecture. The final model is also tested on face recognition task to determine whether face reconstruction can be helpful in this task.
Klíčová slova:
face image reconstruction; face recognition; GAN; Generative adversarial network; loss function; Neural networks; chybová funkcia; GAN; Generatívne súperiace siete; Neurónové siete; rekonštrukcia obrazu tváre; rozpoznávanie tváre
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/11012/210607