Υλοποίηση Συστήματος με σκοπό την Ανίχνευση αντικειμένου ενδιαφέροντος από εικόνες, Εύρεση των κοινών ιδιοτήτων και χαρακτηριστικών του και Σχεδίαση του αντικειμένου με βάση τις κοινές ιδιότητες

System Implementation for the purpose of Detecting an object of interest from images, Finding its common properties and characteristics and Designing the object based on the common properties (english)

  1. MSc thesis
  2. ΑΝΘΑΚΗΣ, ΚΩΝΣΤΑΝΤΙΝΟΣ
  3. Μεταπτυχιακή Εξειδίκευση στα Πληροφοριακά Συστήματα (ΠΛΣ)
  4. 18 September 2021 [2021-09-18]
  5. Ελληνικά
  6. 112
  7. ΦΩΚΑ, ΑΜΑΛΙΑ
  8. ΜΕΤΑΦΡΑΣΗ ΕΙΚΟΝΑΣ ΑΠΟ ΕΙΚΟΝΑ ΚΑΙ IMAGE TO IMAGE TRANSLATION | ΤΕΧΝΙΤΑ ΝΕΥΡΩΝΙΚΑ ΔΙΚΤΥΑ (GAN) ΚΑΙ ARTIFICIAL NEURAL NETWORK
  9. 2
  10. 33
  11. ΠΕΡΙΕΧΕΙ : ΠΙΝΑΚΕΣ, ΔΙΑΓΡΑΜΜΑΤΑ ΚΑΙ ΕΙΚΟΝΕΣ
    • Το αντικείμενο που πραγματεύεται η παρούσα εργασία, ανήκει στο ευρύτερο πεδίο της Τεχνητής Νοημοσύνης. Αναλύεται μέσω της Μηχανικής Μάθησης και της Υπολογιστικής Όρασης, η υλοποίηση του συστήματος Pix2Pix. Πρόκειται δηλαδή για την μοντελοποίηση ενός Παραγωγικού Ανταγωνιστικού Δικτύου (GAN), μέσω του οποίου δημιουργούνται ρεαλιστικές εικόνες. Η πειραματική διαδικασία ξεκινά με τη δημιουργία ενός συνόλου δεδομένων εικόνων, περίπου πέντε χιλιάδων, με θέμα τις φιγούρες ανθρώπων. Ακολουθεί η μετάφραση των εικόνων αυτών σε σκίτσα, με τη βοήθεια του αλγόριθμου Canny edge detection και η δημιουργία ενός συνόλου δεδομένων ζευγών εικόνων και σκίτσων. Στη συνέχεια, λαμβάνει χώρα η υλοποίηση του Παραγωγικού Ανταγωνιστικού Δικτύου Pix2Pix, μέσω της εκπαίδευσης του, με τελικό στόχο την δημιουργία εικόνων που θα μοιάζουν τόσο ρεαλιστικές όσο και οι πρωτότυπες τους. Στο τέλος της παρούσας, αναλύονται τα αποτελέσματα της υλοποίησης του Pix2Pix και επισημαίνονται μέθοδοι για την καλύτερη προσέγγιση των αποτελεσμάτων. Ο κώδικας προγραμματισμού που χρησιμοποιήθηκε για όλες τις περιγραφόμενες διαδικασίες της εργασίας είναι σε γλώσσα Python.
    • The subject of this paper belongs to the wider field of Artificial Intelligence. The implementation of the Pix2Pix system is analyzed through Machine Learning and Computer Vision. In other words, it is about modeling a Generative Adversarial Network (GAN), through which realistic images are created. The experimental process begins with the creation of a set of image data, about five thousand, on the subject of human figures. Subsequently, takes place the translation of these images into sketches, with the help of the Canny edge detection algorithm and finally the creation of a data set of pairs of images and sketches. Then, the implementation of the Generative Adversarial Network - Pix2Pix takes place, through its training with the ultimate goal of creating images that will look as realistic as their originals. At the end of this study, the results of the implementation of Pix2Pix are analyzed and methods for better approximation of the results are identified. The programming code used for all the described job procedures is in Python.
  13. Items in Apothesis are protected by copyright, with all rights reserved, unless otherwise indicated.