Vaš brskalnik ne omogoča JavaScript!
JavaScript je nujen za pravilno delovanje teh spletnih strani. Omogočite JavaScript ali pa uporabite sodobnejši brskalnik.
Nacionalni portal odprte znanosti
Odprta znanost
DiKUL
slv
|
eng
Iskanje
Brskanje
Novo v RUL
Kaj je RUL
V številkah
Pomoč
Prijava
Generiranje slik pohištva z uporabo skic in globokih nevronskih mrež
ID
VELAGIĆ, ALDIN
(
Avtor
),
ID
Bosnić, Zoran
(
Mentor
)
Več o mentorju...
,
ID
Papič, Aleš
(
Komentor
)
PDF - Predstavitvena datoteka,
prenos
(10,59 MB)
MD5: 265CEB70D87C6BE57969D19E403A5917
Galerija slik
Izvleček
Cilj diplomske naloge je bilo učenje generativnih nasprotniških nevronskih mrež za namen generiranja slik pohištva iz skic. Poudarek je bil na učenju cikličnih generativnih nasprotniških mrež, kjer smo preizkusili različne tipe implementacij na enem ali več razredov pohištva. Modeli so bili učeni na slikah in skicah pohištva s spleta, ki so bile razdeljene v 3 razrede, in sicer: kavči, mize in omare. Izbrali smo slike brez ozadja in jih obdelali, da so bili objekti na skicah približno enake velikosti, ter jih nastavili na velikost 400 x 400. Del skic smo izdelali tudi ročno. Sledilo je učenje generativnih nasprotniških mrež in priprava modela, ki bi generiral čim bolj realistične slike iz skic. Točnost smo ocenili na pripravljeni testni množici skic in kot meri uspešnosti uporabili Fréchetovo začetno razdaljo in mero podobnosti zaznanih slikovnih zaplat, ki sta nam pomagali pri odločitvi, kateri model generira najbolj realne slike. Fréchetova začetna razdalja za najboljše modele iznaša: kavči 100,970, omare 86,730 in mize 113,460. Mera podobnosti zaznanih slikovnih zaplat za te modele iznaša: kavči 0,479, omare 0,489 in mize 0,380. Na koncu smo izdelali spletno aplikacijo, ki omogoča lažjo uporabo izbranih modelov in generiranje slik za razrede: kavči, mize in omare.
Jezik:
Slovenski jezik
Ključne besede:
nevronske mreže
,
globoko učenje
,
generativne nasprotniške mreže
,
skice
,
slike
Vrsta gradiva:
Diplomsko delo/naloga
Tipologija:
2.11 - Diplomsko delo
Organizacija:
FRI - Fakulteta za računalništvo in informatiko
Leto izida:
2023
PID:
20.500.12556/RUL-144731
COBISS.SI-ID:
147375363
Datum objave v RUL:
09.03.2023
Število ogledov:
996
Število prenosov:
126
Metapodatki:
Citiraj gradivo
Navadno besedilo
BibTeX
EndNote XML
EndNote/Refer
RIS
ABNT
ACM Ref
AMA
APA
Chicago 17th Author-Date
Harvard
IEEE
ISO 690
MLA
Vancouver
:
Kopiraj citat
Objavi na:
Sekundarni jezik
Jezik:
Angleški jezik
Naslov:
Generating images of furniture using sketches and deep neural networks
Izvleček:
The aim of the thesis was to learn generative adversarial neural networks for the purpose of generating furniture images from sketches. The focus was on learning Cyclic Generative Adversarial Networks, where we tested different types of implementations on one or more furniture classes. The models were learned on images and sketches of furniture from the web, which were divided into 3 classes: sofas, tables and wardrobes. We chose pictures without background and processed them so that the objects in the sketches were approximately the same size and were placed at 400 x 400. This was followed by learning generative adversarial networks and preparing a model that would generate as realistic images as possible from the sketches. We evaluated the accuracy on a prepared test set of sketches and used the Fréchet inception distance and the similarity measure of the perceptual image patches as performance measures to help us decide which model generates the most realistic images. Fréchet's inception distance for the best models is: sofas 100.970, wardrobes 86.730 and tables 113.460. The similarity measure of the perceptual image patches for these models is: sofas 0.479, cabinets 0.489 and tables 0.380. Finally, we developed a web application to facilitate the use of the selected models and to generate images for the classes: sofas, tables and cabinets.
Ključne besede:
neural networks
,
deep learning
,
generative adversarial networks
,
sketch
,
image
Podobna dela
Podobna dela v RUL:
Podobna dela v drugih slovenskih zbirkah:
Nazaj