عنوان
فراتفكيك‌پذيري و ترميم تصاوير چهره با استفاده از شبكه‌هاي مولد متخاصم
نويسنده اصلي
زماني دادانه، عرفان
محل تحصيل
اصفهان : دانشگاه صنعتي اصفهان
رشته تحصيلي
هوش مصنوعي و رباتيك
مقطع تحصيلي
كارشناسي ارشد
چكيده
بهبود كيفيت تصاوير چهره در حوزه پردازش تصوير به يك زمينه تحقيقاتي جذاب و كاربردي بدل گشته است كه در ساير حوزه‌ها مانند تشخيص هويت نقش مهمي دارد. در سال‌هاي اخير روش‌هاي مختلف يادگيري عميق براي افزايش وضوح تصاوير پيشنهاد شده است كه اغلب اين رويكردها بر اساس ثابت درنظرگرفتن تخريب، طراحي شده‌اند. بنابراين، اين رويكردها در كاربردهاي دنياي واقعي تصاوير چهره دچار مشكل مي‌شوند. علت ديگر ضعف اين راهكارها استفاده از اطلاعات پيشين هندسي و مرجع چهره جهت ترميم تصوير هستند كه در تصاوير ورودي كم‌كيفيت چنين اطلاعاتي به صورت جامع وجود ندارد و همچنين هميشه تصاوير باكيفيت نيز در دسترس نيست. در اين پژوهش تلاش بر اين است كه با تغييرات در ساختار استخراج ويژگي تصوير ورودي و همچنين تغيير ساختاري مدل مولد تا حدودي بر اين كاستي‌ها از طريق ساختار شبكه مولد از پيش آموزش داده شده (StyleGAN2) نائل شويم. اطلاعات به دست آمده از اين شبكه با ويژگي‌هاي استخراج شده از تصوير ورودي تركيب مي‌شوند تا تعادل مناسبي ميان وفاداري به حفظ هويت چهره و ميزان واقعي بودن چهره ايجاد گردد. همچنين براي عملكرد پوياي شبكه جهت انتخاب از هر دو سمت اطلاعات به دست آمده، يك بخش تعيين ميزان تخريب در نظر گرفته شده است كه از استراتژي يادگيري بازنمايي تخريب به صورت نظارت نشده استفاده مي‌كند. ارزيابي راهكار استفاده شده در اين مدل بر روي تصاوير چهره دنياي واقعي و همچنين ساير مجموعه داده‌ها افزايش كارايي و كيفيت را مخصوصاّ در تصاوير با ميزان تخريب بالا نشان داده است.
شماره ركورد
222876
گرايش رشته تحصيلي
هوش مصنوعي
دانشكده
مهندسي برق و كامپيوتر
دانشگاه
دانشگاه صنعتي اصفهان