BC/NW 2024 № 1 (41):15.1

ИССЛЕДОВАНИЕ МЕТОДОВ СУПЕР-РАЗРЕШЕНИЯ С ПРИМЕНЕНИЕМ НЕЙРОСЕТЕВЫХ ТЕХНОЛОГИЙ

Балашов С.А.,. Орлов Д.А.

С развитием вычислительной техники появилась возможность отображать всё более высококачественные изображения и видео. Благодаря этому, актуальной становится задача повышения качества изображений. Для этого разрабатываются методы супер-разрешения. Наиболее популярными в настоящее время являются методы, основанные на нейросетях. Их можно разбить на несколько видов по типу нейросети, используемой в методе. Большинство на текущий момент методов супер-разрешения использует свёрточные нейросети (CNN – convolutional neural network) [1]. Альтернативой свёрточным нейросетям являются генеративные нейросети (GAN - generative artificial network) [2]. Ключевым различием этих нейросетей является способ создания изображения высокого разрешения. GAN [2] синтезирует новое изображение хорошего качества и затем проверяет его на аутентичность оригинальному изображению. CNN [1], в свою очередь строит карту изображения, т.е. устанавливает связи между точками на изображении. Затем, на основе полученной карты строится изображение высокой детализации.

Цель работы – разработка и исследование программной реализации алгоритма супер-разрешения и сравнительный анализ с существующими технологиями. Алгоритм был взят из статьи Веньчжэ Ши [4]. Сравнение будет проводится по нескольким критериям: скорость работы алгоритма, соотношение сигнал-шум и результаты опроса добровольцев.

Литература

1. IBM. Convolutional Neural Networks [Электронный ресурс]: https://www.ibm.com – Электронные данные. Режим доступа: URL.: https://www.ibm.com/topics/convolutional-neural-networks, свободный. − Загл. с экрана.

2. Christian Ledig. Photo-Realistic Single Image Super-Resolution Using a Generative Adversarial Network [Электронный ресурс]: https://arxiv.org – Электронные данные. Режим доступа: URL.: https://arxiv.org/pdf/1609.04802.pdf, свободный. − Загл. с экрана.

3. Cambridge in Colour. DIGITAL IMAGE INTERPOLATION [Электронный ресурс]: https://www.cambridgeincolour.com – Электронные данные. Режим доступа: URL.: https://www.cambridgeincolour.com/tutorials/image-interpolation.htm, свободный. − Загл. с экрана.

4. Wenzhe Shi. Real-Time Single Image and Video Super-Resolution Using an Efficient Sub-Pixel Convolutional Neural Network / Wenzhe Shi, Jose Caballero, Ferenc Huszár, Johannes Totz, Andrew P. Aitken, Rob Bishop, Daniel Rueckert, Zehan Wang [Электронный ресурс]: https://arxiv.org - Электронные данные. Режим доступа: URL.: https://arxiv.org/abs/1609.05158, свободный. − Загл. с экрана.