| Περίληψη: | Οι τεχνικές βαθιάς μάθησης χρησιμοποιούνται στην αναγνώριση εικόνας με εξαιρετικά αποτελέσματα. Ενώ όμως τα νευρωνικά δίκτυα είναι εκπαιδευμένα με υψηλής ποιότητας εικόνες και χωρίς την παρουσία θορύβου, οι εικόνες που χρησιμοποιούν οι χρήστες συχνά είναι χαμηλής ποιότητας. Δοκιμάζουμε δύο από τα πιο αποδοτικά μοντέλα συνελικτικών νευρωνικών δικτύων χρησιμοποιώντας εικόνας παραμορφωμένες από θόρυβο Gaussian και θόρυβο αλατοπίπερου και μελετάμε την σθεναρότητά τους απέναντι σε αυτούς. Βρίσκουμε ότι ενώ υπάρχει σχετική σθεναρότητα απέναντι στον Gaussian θόρυβο, τα συνελικτικά δίκτυα είναι ευάλωτα στον θόρυβο αλατοπίπερου.
Στο δεύτερο μέρος της εργασίας μελετάμε τεχνικές κλασικές αποθορυβοποίησης εικόνας και τις συγκρίνουμε με τεχνικές αποθορυβοποίησης με την χρήση νευρωνικών δικτύων.
Το κεφάλαιο 5 της εργασίας παρουσιάστηκε στο 11ο Συνέδριο Φοιτητών Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών στις 19 Απριλίου 2019 στην Θεσσαλονίκη.
|
|---|
