Отрывок: js. Разработка проводилась в среде разработки JetBrains WebStorm под управлением операционной системы Windows 10. В системе реализованы следующие возможности: − Перенос произвольного стиля на произвольное изображение; − Перенос смеси произвольных стилей на произвольное изображение; Были проведены экспериментальные исследования программных моделей – их скорости, эффективности, потребления ресурсов используемого ...
Название : Решение задачи переноса художественного стиля изображения при помощи глубоких нейронных сетей
Авторы/Редакторы : Божимов А. Д.
Солдатова О. П.
Соловьева Я. В.
Министерство науки и высшего образования Российской Федерации
Самарский национальный исследовательский университет им. С. П. Королева (Самарский университет)
Институт информатики
математики и электроники
Дата публикации : 2021
Библиографическое описание : Божимов, А. Д. Решение задачи переноса художественного стиля изображения при помощи глубоких нейронных сетей : вып. квалификац. работа по направлению подгот. 09.03.01 "Информатика и вычислительная техника" (уровень бакалавриата). - Текст : электронный / А. Д. Божимов ; рук. работы О. П. Солдатова ; нормоконтролер Я. В. Соловьева ; М-во науки и высш. образования Рос. Федерации, Самар. нац. исслед. ун-т им. С. П. Королева (Самар. ун-т), Ин-т информатик. - Самара, 2021. - 1 файл (3,45 Мб)
Аннотация : Целью данной выпускной квалификационной работы бакалавра является изучение возможностей моделей глубоких нейронных сетей решать задачу переноса стиля изображений, проектирование и реализация программыпереноса стиля изображений для экспериментальной оценки и сравнения работ моделей нейронных сетей, а также исследование влияния сжатия модели сети на итоговый результат её работы по решению поставленной задачи. Спроектирована информационно-логическая модель автоматизированной системы в нотации UML.Система реализована на языке JavaScript с помощью среды разработки JetBrains WebStorm 2021.1. При реализации использовалась библиотека машинного обучения Tensorflow.js и обученные модели Google Magenta.
Другие идентификаторы : RU\НТБ СГАУ\ВКР20210928140256
Ключевые слова: алгоритм обратного распространения ошибки
глубокие нейронные сети
глубокое обучение
перенос художественного стиля изображения
программные системы
сжатие моделей
Располагается в коллекциях: Выпускные квалификационные работы




Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.