Стилизация изображений в задаче автоматического переноса стиля

Введение...............................................................................................................................3
Актуальность задачи переноса стиля................................................................................3
Цель и постановка задачи...................................................................................................4
Глава I. Теоретические основы машинного обучения, обзор литературы и существующих методов......................................................................................................6
1.1 Понятия машинного обучения.................................................................................6
1.2 Нейронные сети.........................................................................................................6
1.3 Сверточные нейронные сети ...................................................................................8
1.4 Метод автоматического перенос стиля...................................................................9
Глава II. Практическое применение методов и описание результатов........................10
2.1 Применение методов автоматического переноса стиля......................................10
2.2 Язык разработки......................................................................................................10
2.3 Использованные методы и реализация кода.........................................................11
2.4 Описание экспериментов и результатов...............................................................15
Заключение.........................................................................................................................16
Список использованных литературы...............................................................................17
Приложения А....................................................................................................................18

Весь текст будет доступен после покупки

В последнее время существуют различные методы и модели для эффективного решения задачи автоматического переноса стиля. Одним из таких методов является модификация изображений Neural Style Transfer - модель, которая управляет стилем фотография более точно, чем обычно. Кроме этого, разработали новые модели с целью улучшения изображений на основе нейронных сетей, которая позволяет создавать более реалистичные и художественные изображения. Метод наложения стиля, позволяющая сделать из фотографии картины, предложено и решено Л. Гатысом в 2016г. Нейронные сети используются с момента возникновения и продолжают достижение прогресса в задачах с высокой точностью, которые позволяет решаться в областях машинного обучения.
Применение разработанных методов может быть полезным в различных областях, таких как дизайн, искусство, реклама и маркетинг. Оценка эффективности этих методов производится с помощью дата сетов и метрик оценки качества.

Весь текст будет доступен после покупки

Глава I. Теоретические основы машинного обучения, обзор литературы и существующих методов.

1.1 Понятия машинного обучения
Машинное обучение — это область искусственного интеллекта, которая изучает алгоритмы и модели. Модели позволяют компьютерам обучаться на основе данных, без явного программирования. Машинное обучение используется для решения различных задач, таких как классификация, регрессия, кластеризация, распознавания и т.д. Оно включает в себя такие понятия, как нейронные сети, глубокое обучение, алгоритмы обучения с учителем и без учителя, обучение с подкреплением и другие. Одной из основных задач машинного обучения является создание моделей, которые могут обобщать знания из данных и применять их для новых задач. В процессе обучения модель постепенно улучшает свою способность распознавать объекты на изображении и классифицировать их. После завершения обучения модель может быть протестирована на тестовом наборе данных, чтобы оценить ее точность. Применение машинного обучения в области классификации изображений может быть использовано в различных областях, таких как медицина, автомобильная промышленность, розничная торговля и многих других.

Весь текст будет доступен после покупки

1. Вьюгин В. “Математические основы машинного обучения и прогнозирования”/ МЦНМО, 2015.
2. Хенрик Б., “Феверолф М. Машинное обучение”/ Питер, 2017.
3. Шарден Б., Массарон Л., Шарден Б. “Крупномасштабное машинное обучение вместе с Python”/ ДМК Пресс, 2017
4. “Сверточная нейронная сеть” [Электронный ресурс] (15.05.20)
5. Keras: “Deep Learning for humans” [Электронный ресурс] (https://keras.io/guides/)
6. “Введение в машинное обучение в Python: Полное руководство с примерами”/ редакция 2020.

Весь текст будет доступен после покупки