|
|
Impact Of Loss Function On Multi-Frame Super-Resolution
Mezina, Anzhelika
Nowadays, one of the most popular topics in image processing is super-resolution. Thisproblem is getting more actual even in security, since monitoring cameras are everywhere and inthe case of an incident, it is necessary to recognize a person from records. A lot of approaches exist,which are able to reconstruct image, and the most of them are based on deep learning. The main focusof this work is to analyze, which loss function for neural networks is more effective for real-worldimage reconstruction. For this experiment chosen architecture and dataset are used for multi-framesuper-resolution for _x0002_8 scaling.
|
|
|
Determination of Objects Similarity Based on Image Information
Rajnoha, Martin ; Kamencay,, Patrik (oponent) ; Beneš, Radek (oponent) ; Burget, Radim (vedoucí práce)
Monitoring of public areas and their automatic real-time processing became increasingly significant due to the changing security situation in the world. However, the problem is an analysis of low-quality records, where even the state-of-the-art methods fail in some cases. This work investigates an important area of image similarity – biometric identification based on face image. The work deals primarily with the face super-resolution from a sequence of low-resolution images and it compares this approach to the single-frame methods, that are still considered as the most accurate. A new dataset was created for this purpose, which is directly designed for the multi-frame face super-resolution methods from the low-resolution input sequence, and it is of comparable size with the leading world datasets. The results were evaluated by both a survey of human perception and defined objective metrics. A hypothesis that multi-frame methods achieve better results than single-frame methods was proved by a comparison of both methods. Architectures, source code and the dataset were released. That caused a creation of the basis for future research in this field.
|
|
|
Facial image restoration
Bako, Matúš ; Herout, Adam (oponent) ; Hradiš, Michal (vedoucí práce)
In this thesis, I tackle the problem of facial image super-resolution using convolutional neural networks with focus on preserving identity. I propose a method consisting of DPNet architecture and training algorithm based on state-of-the-art super-resolution solutions. The model of DPNet architecture is trained on Flickr-Faces-HQ dataset, where I achieve SSIM value 0.856 while expanding the image to four times the size. Residual channel attention network, which is one of the best and latest architectures, achieves SSIM value 0.858. While training models using adversarial loss, I encountered problems with artifacts. I experiment with various methods trying to remove appearing artefacts, which weren't successful so far. To compare quality assessment with human perception, I acquired image sequences sorted by percieved quality. Results show, that quality of proposed neural network trained using absolute loss approaches state-of-the-art methods.
|
|
|
Enhancement of image quality for security forces
Varga, Adam ; Galáž, Zoltán (oponent) ; Burget, Radim (vedoucí práce)
This bachelor thesis deals with image quality enhancement for security forces. Image quality enhancement in this case means increasing the resolution of image data by using super-resolution techniques using models of deep convolutional neural networks. The thesis in its theoretical part describes the principles of the operation of this technique and in its practical part is presented the work with selected state-of-the-art models in the area of super-resolution.
|
|
|
Biological imaging by super-resolution microscopy
Adamová, Zuzana ; Komrsková, Kateřina (vedoucí práce) ; Benda, Aleš (oponent)
zuzana_adamova_abstrakt_cesky.txt[11.05.2017 20:28:46] Fluorescenční mikroskopie je jedna z nejvíce používaných zobrazovacích metod v biologickém výzkumu. I přes její mnohé přednosti ji však kvůli difrakčnímu limitu rozlišení způsobenému vlnovými vlastnostmi světla nelze uplatnit při zkoumání struktur menších než zhruba 200 nanometrů. To je nejlepší dosažitelná hodnota optického rozlišení, tedy nejnižší možná vzdálenost dvou bodů, které je možné od sebe odlišit pomocí tradičních optických metod. Až do konce 20. století tak nebylo možné pomocí fluorescenční mikroskopie zobrazit jemnější detaily buněk. V posledních letech se ale podařilo tuto bariéru obejít a byla vyvinuta řada zobrazovacích metod, souhrnně nazvaných superrozlišovací mikroskopické metody, které dokážou difrakční limit překonat a umožňují tak biologům pomocí fluorescenční mikroskopie zkoumat mnohem menší objekty (malé organely, viriony, proteinové komplexy či dokonce jednotlivé proteiny) než dosud, a to stále za použití viditelného světla. Tato bakalářská práce seznamuje s vybranými superrozlišovacími metodami, jejich principy a možnostmi využití v biologii.
|
|
|
Metody zvyšování rozlišení digitálních snímků
Franěk, Pavel ; Fedra, Petr (oponent) ; Mézl, Martin (vedoucí práce)
Cílem této bakalářské práce je se seznámit s metodami, které umožňují zvýšení rozlišení digitálních snímků. Také realizovat jednotlivé interpolační metody i Super-rozlišení pomocí programu Matlab a poukázání na zhodnocené výsledky. Diskutovat o možnostech použití metod Super-rozlišení pro obrazy s lékařských modalit.
|
|
|
Superresolution
Mezera, Lukáš ; Dvořák, Radim (oponent) ; Orság, Filip (vedoucí práce)
The goal of this thesis is to propose the super-resolution method for the image of the scene when multiple frames of the given scene are available. The theoretical part of this thesis brings the report about current multi-frame super-resolution methods. These methods are compared according to the optimal criteria. The own super-resolution method is proposed in the practical part of this thesis. However this method isn't rotation invariant and for this reason is proposed the improved super-resolution method. There are also suggested improvements of the improved super-resolution method in this thesis.
|
|
|
Knihovna pro rychlou změnu velikosti obrazu
Hamrský, Jan ; Bařina, David (oponent) ; Polok, Lukáš (vedoucí práce)
Tato práce se zabývá metodami zvětšování obrazu z pohledu paralizace na GPU. Část textu je věnována souvisejícímu signálovému základu a jeho ovlivňění celkového výsledku včetně změření jeho kvality. V textu jsou popsány nejdůležitější přístupy zahrnující pokročilé metody super-resolution. Důležitá část této diplomové práce je implementace knihovny vybraných metod s využitím paralelizace na grafickém čipu. Dosažené výsledky paralelizace jsou znázorněny na sadě rychlostních testů.
|
host ::
RSS.