|
|
Video Denoising Using Deep Learning
Naumenko, Maksim ; Hradiš, Michal (referee) ; Španěl, Michal (advisor)
V éře digitálních multimédií kvalita videoobsahu významně ovlivňuje uživatelský zážitek a výkon systému, zejména v oblastech, jako je zábava a zpracování videa a obrazu. Tato práce se zabývá přetrvávajícím problémem šumu ve videu, který zhoršuje jeho kvalitu, a to pomocí pokročilých technik hlubokého učení. Nejprve jsou přezkoumány tradiční přístupy k odstraňování šumu ve videu, aby bylo možné nastínit základní koncepty denoisingu. Následně jsou studovány dva referenční modely, FastDVDNet a ViDeNN, za účelem seznámení se s architekturami neuronových sítí. Hlavním výsledkem této práce je vývoj robustního systému pro odstraňování šumu ve videu, který je založen na architektuře UNet inspirované těmito referenčními modely. V průběhu práce jsou vysvětleny, implementovány a vyhodnoceny navrhované modely UNet Baseline, ResUNet a ResUNet Temporal, aby byla prokázána jejich účinnost v odstraňování šumu ve videu.
|
|
| |
|
| |
|
|
Photographic documentation in the aquarium
KUTTELVAŠEROVÁ STUCHELOVÁ, Věra
The aim of this work was to gather relevant knowledge about methodology in aquarium photography, descriptions of different approaches to taking pictures of aquariums as a whole, fish tank interiors, aquatic plants, fish selected for display and other aquatic organisms including details. The main part of this work was to check particular methods and procedures, evaluation of the results and suggestion of efficient techniques for photography of aquatic organisms in artificial laboratory conditions. The digital photography was used exclusively with its advantages explained. The emphasis was on the lighting of objects and procedures used to eliminate the manifestation of optical flaws, which is the main issue in aquarium photography.
|
guest ::
