Syvät konvoluutioneuroverkot kuvien laadun ja resoluution parantamisessa
Tekijät
Päivämäärä
2019Tekijänoikeudet
Julkaisu on tekijänoikeussäännösten alainen. Teosta voi lukea ja tulostaa henkilökohtaista käyttöä varten. Käyttö kaupallisiin tarkoituksiin on kielletty.
Tutkielma on kirjallisuuskatsaus SRCNN-menetelmästä (engl. super-resolution convolutional neural network method) ja sen eri versioista. Näillä menetelmillä voidaan skaalata kuvia suuremmiksi ilman, että lopputuloksesta tulee pikselöitynyt. Yksittäisten kuvien suurentamisen ja pienentämisen lisäksi niitä voidaan käyttää myös videoiden skaalaamiseen sekä häviöllisestä pakkaamisesta syntyvien jäänteiden vähentämiseen. This thesis is a literature review of a method called super-resolution convolutional neural network (SRCNN) and its different versions. These methods can be used to upscale images without causing pixelation. In addition to upscaling and downscaling single images, they can also be used to scale videos and to reduce artifacts caused by lossy compression.
Asiasanat
Metadata
Näytä kaikki kuvailutiedotKokoelmat
- Kandidaatintutkielmat [5335]
Samankaltainen aineisto
Näytetään aineistoja, joilla on samankaltainen nimeke tai asiasanat.
-
Tiedon laadun parantaminen ja tietämyksen lisääminen tiedon laadun tärkeydestä : suunnittelutieteellinen tutkimus
Kellokangas, Mari (2021)Pankeissa asiakastyötä tekevien toimihenkilöiden käsittelemän datan ja informaation laatu riippuu useista toisiinsa kytkeytyvistä asioista. Henkilöiden saama perehdytys ja koulutus tietojen täyttämisestä ja sovellusten ... -
Monitavoitearvioinnin käytännöt ja työkalut ympäristövaikutusten arvioinnin laadun ja vaikuttavuuden parantamisessa
Mustajoki, Jyri; Vienonen, Sanna (2015)
Ellei toisin mainittu, julkisesti saatavilla olevia JYX-metatietoja (poislukien tiivistelmät) saa vapaasti uudelleenkäyttää CC0-lisenssillä.