Detail práce

Zvýšení rozlišení obrazu pomocí hlubokých neuronových sítí

Diplomová práce Student: Mojžiš Tomáš Akademický rok: 2021/2022 Vedoucí: Španěl Michal, Ing., Ph.D.
Jazyk práce
slovenský
Abstrakt

Cieľom tejto práce je vytvoriť hlbokú neurónovú sieť schopnú zvýšiť rozlíšenie obrazov získaných elektrónovými mikroskopmi. Jedná sa o úlohu zväčšenia rozlíšenia na základe jedného obrázku. Skladá sa z dvoch častí - nájdenie vhodných dát a vytvorenie dátovej sady pre danú úlohu a návrh architektúry neurónovej siete, ktorá je schopná riešiť úlohu zvýšenia rozlíšenia obrazu. V práci vznikli dve dátové sady pozostávajúce z obrázkov pochádzajúcich z elektrónových mikroskopov. Dátové sady majú rôzny prístup k augmentácii dáta. Je vďaka nim možné natrénovať neurónové siete pre úlohu zvýšenia rozlíšenia obrazu. Pri riešení boli otestované dve architektúry typu U-Net a jedna typu GAN. Rozlíšenie bolo zvyšované dvakrát a štyrikrát. Najlepšie umelo zväčšené obrázky z testovaných architektúr vytvára sieť Real-ESRGAN. V hodnotách metrík nie je lepšia ako testovaná interpolačná metóda, obrázky však často pôsobia kvalitnejšie, najmä pri zvýšení rozlíšenia štyrikrát. Vďaka tejto práci bola vytvorená dátová sada, na ktorej je možné trénovať ďalšie architektúry a zlepšovať tak kvalitu výsledných obrázkov. Neurónové siete z tejto práce je možné použiť pri získavaní kvalitnejších dát z elektrónového mikroskopu pri nízkom rozlíšení.

Klíčová slova

hlboká neurónová sieť, konvolučná neurónová sieť, hlboké učenie, počítačové videnie, zvýšenie rozlíšenia obrazu, elektrónová mikroskopia, gan, unet, dátová sada

Ústav
Ústav počítačové grafiky a multimédií FIT VUT v Brně
Studijní program
Informační technologie a umělá inteligence, specializace Inteligentní systémy
Soubory
Stav
obhájeno, hodnocení A
Obhajoba
20. června 2022
Oponent
Beran Vítězslav, doc. Ing., Ph.D.
Průběh obhajoby

Student nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Student následně odpověděl na otázky oponenta a na další otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studenta na položené otázky rozhodla práci hodnotit stupněm A.

Otázky u obhajoby
  1. Pokud byste chtěl využít i objektivního hodnocení kvality rekonstruovaných obrazů, jaké jsou možnosti a jak byste postupoval? 
  2. Jaké konkrétní zlepšení přinese využití reálných dat při trénování? 
  3. Jak zlepší práci operátora zakomponování super-samplingu do procesu pořizování obrazů elektronovým mikroskopem?
  4. Budou vaše modely fungovat s jiným mikroskopem?
  5. Jak jste postupoval při návrhu modelů?
  6. Co by se stalo, kdyby byl na vstupu jiný typ obrázku?
  7. Budou vaše výsledky někde publikovány?
Komise
Zbořil František V., doc. Ing., CSc. (UITS FIT VUT), předseda
Bidlo Michal, doc. Ing., Ph.D. (UPSY FIT VUT), člen
Janoušek Vladimír, doc. Ing., Ph.D. (UITS FIT VUT), člen
Kanich Ondřej, Ing., Ph.D. (UITS FIT VUT), člen
Peringer Petr, Dr. Ing. (UITS FIT VUT), člen
Smrž Pavel, doc. RNDr., Ph.D. (UPGM FIT VUT), člen
Citace
MOJŽIŠ, Tomáš. Zvýšení rozlišení obrazu pomocí hlubokých neuronových sítí. Brno, 2022. Diplomová práce. Vysoké učení technické v Brně, Fakulta informačních technologií. 2022-06-20. Vedoucí práce Španěl Michal. Dostupné z: https://www.fit.vut.cz/study/thesis/24493/
BibTeX 
@mastersthesis{FITMT24493,
    author = "Tom\'{a}\v{s} Moj\v{z}i\v{s}",
    type = "Diplomov\'{a} pr\'{a}ce",
    title = "Zv\'{y}\v{s}en\'{i} rozli\v{s}en\'{i} obrazu pomoc\'{i} hlubok\'{y}ch neuronov\'{y}ch s\'{i}t\'{i}",
    school = "Vysok\'{e} u\v{c}en\'{i} technick\'{e} v Brn\v{e}, Fakulta informa\v{c}n\'{i}ch technologi\'{i}",
    year = 2022,
    location = "Brno, CZ",
    language = "slovak",
    url = "https://www.fit.vut.cz/study/thesis/24493/"
}

Závěrečné práce

Nahoru