دفاعیه کارشناسی ارشد (برق و کامپیوتر) فراتفکیک پذیری تصاویر نما مفاد با تأکید بر کیفیت ادراکی

 | تاریخ ارسال: 1401/6/23 | 
دانشجو: آقای حسین سخاوتی مقدم
استاد راهنما: دکتر آزاده منصوری
زمان: چهارشنبه ۳۰ شهریور ماه ۱۴۰۱ ساعت: ۱۵:۰۰
مکان: تهران سالن سمینار دانشکده فنی و مهندسی
چکیده
تایج قابل قبول یادگیری عمیق منجر به استفاده از شبکه عصبی عمیق در طیف گسترده ای از مدل ها از جمله فرا تفکیک پذیری شده است. عملکرد شبکه عصبی عمیق مستقیماً تحت تأثیر عملکرد تابع خطای آن است. اکثر روش ها از خطای روشنایی استفاده می کنند، مانند تابع خطای میانگین مربعات (MSE)، که تفاوت بین تصویر پیش بینی شده و تصویر مرجع را محاسبه می کند. از آنجایی که سیستم بینایی انسان نسبت به اطلاعات ساختاری یک صحنه حساس تر است، مطلوب است که تابع خطا بتواند تأثیر خطای ساختاری را اندازه‌گیری کند. از سوی دیگر، استفاده از تصاویر نما مفاد به دلیل کاربردهای زیاد مانند اشتراک گذاری صفحه نمایش و محاسبات از راه دور، گسترده شده است. در نتیجه، فرا تفکیک پذیری تصاویر نما مفاد به یک روش بسیار مهم برای افزایش کیفیت تصاویر با وضوح پایین تبدیل می شود. در تابع خطای ارائه شده، سعی شده است اهمیت خطای ساختاری در قالب تابع خطای بر اساس کیفیت لحاظ شود. مدل انتخابی با تابع خطای ارائه شده با استفاده از تصاویر نما مفاد آموزش دیده و آزمایش شده است و نتایج اثربخشی تابع خطای ارائه شده برای تصاویر نما مفاد را نشان می‌دهد.
کلیدواژه‌ها: فرا تفکیک پذیری تک تصویری، یادگیری عمیق، شبکه های عصبی، تابع خطا، تصاویر نما مفاد





CAPTCHA
دفعات مشاهده: 373 بار   |   دفعات چاپ: 64 بار   |   دفعات ارسال به دیگران: 0 بار   |   0 نظر