Исследование эффективности решения задачи суперэмплирования изображений с помощью глубоких нейронных сетей

Abstract

Целью данной выпускной квалификационной работы бакалавра является изучение возможностей моделей глубоких нейронных сетей решать задачу суперсэмплирования изображений на примере улучшенной остаточной нейронной сети и генеративно-состязательной нейронной сети, проектирование и реализация программы суперсэмплирования изображений для экспериментальной оценки и сравнения работ нейронных сетей, поиск оптимальной конфигурации нейронной сети для достижения наилучших значений метрик, а также исследование влияния пред-тренировки сети на итоговый результат её работы по решению поставленной задачи. Спроектирована информационно-логическая модель автоматизированной системы в нотации UML. Система реализована на языке Python с помощью сред разработки Jupyter Lab и JetBrains PyCharm 2021.1. При реализации использовались библиотеки машинного обучения Tensorflow и Keras.