Бердник , Данило Ігорович2024-04-262024-04-2620232024Бердник Д. І. Відновлення зображень за допомогою генеративних нейронних мереж : пояснювальна записка до магістерської кваліфікаційної роботи : 122 «Комп’ютерні науки» / Данило Ігорович Бердник ; Національний університет «Львівська політехніка». – Львів, 2023. – 68 с.https://ena.lpnu.ua/handle/ntb/61919Магістерська кваліфікаційна робота виконана студентом групи КНСШ-23 Бердником Данилом Ігоровичем. Тема “Відновлення зображень за допомогою генеративних нейронних мереж”. Робота направлена на здобуття ступеня магістр за спеціальністю 122 «Комп’ютерні науки». Об’єктом дослідження є процес відновлення зображень за допомогою генеративних нейронних мереж. Предметом досліджень є архітектури та методи реконструкції зображень за допомогою генеративних нейронних мереж для пошкоджених зображень. Досягнення мети відбувається шляхом побудови системи для відновлення пропусків у зображеннях, головна складова якої це генеративна нейронна мережа, також проводиться подальша модифікація системи шляхом додавання додаткової мережі для функції втрат і подальша оптимізація головної мережі. Апробацію такої системи було проведено на двох реальних наборах даних: перший - зображення облич людей, другий - зображення відбитків пальців. У результаті виконання дипломної роботи створено систему для реконструкції зображень. Було отримано модифікації системи шляхом зміни функції втрат та оптимізації частини генератора у генеративній мережі контекстного кодувальника. Отримані модифікації та оригінальну систему було використано на наборах даних та проаналізовано результати. Загальний обсяг роботи: 68 сторінок, 19 рисунки, 27 посилань. The master's qualification work was performed by a student of the group KNSCH-23 Danylo Ihorovych Berdnyk. The topic is "Image restoration using generative neural networks". The work is aimed at obtaining a master's degree in specialty 122 "Computer Science". In today's world, the demand for high-quality images is growing in most areas, and with it, the need for image reconstruction methods is also growing. Image reconstruction is a very important aspect of many modern technologies that are used in such fields as medicine, biology, archeology, and many others. Typically, neural networks such as autoencoders are used for image reconstruction tasks, however, in recent years, generative neural networks have shown high potential in creating high-quality images and have become a promising alternative to traditional autoencoders for image reconstruction tasks. The topic of the research is "Image Reconstruction Using Generative Neural Networks", namely the application of such networks for images with missing areas. One of the main research objectives of this work is to investigate architectures and methods for image reconstruction using generative neural networks. To achieve this, a generative network architecture will be selected and applied to the problem of filling in gaps in images. The aim of this work is to develop an architecture and methods of image reconstruction using a generative neural network for the task of filling gaps in images. The object of research is the process of image restoration using generative neural networks. The subject of research is the architectures and methods of image reconstruction using generative neural networks for damaged images.ukпороджувальні нейронні мережі, реконструкція зображень, контекстний кодувальник, змагальний процес навчання, пропуски у зображеннях, відновлення обличчя, відбитки пальців, піксельні втрати, PSNR, SSIM, модифікована архітектура, втрата сприйняття, generative neural networks, image reconstruction, contextual encoder, adversarial learning process, inpainting, face reconstruction, fingerprints, pixel loss, PSNR, SSIM, modified architecture, perceptual lossStudents_diploma68