magistrsko delo
Žiga Leber (Avtor), Damjan Strnad (Mentor), Štefan Kohek (Komentor)

Povzetek

V magistrskem delu preučujemo izgubno stiskanje slik z uporabo variacijskega avtokodirnika. Implementirali smo njegovo povratno različico, imenovano konvolucijski DRAW, ki v vlogi kodirnika in dekodirnika uporablja nevronsko mrežo LSTM. Za implementacijo smo uporabili jezik Python in knjižnico PyTorch. Delovanje algoritma smo testirali na podatkovni zbirki CIFAR-10 ter rezultate primerjali z metodo JPEG. Ugotovili smo, da so rezultati primerljivi v smislu kakovosti rekonstrukcije.

Ključne besede

stiskanje slik;nevronske mreže;variacijski avtokodirniki;konvolucijski DRAW;magistrske naloge;

Podatki

Jezik: Slovenski jezik
Leto izida:
Tipologija: 2.09 - Magistrsko delo
Organizacija: UM FERI - Fakulteta za elektrotehniko, računalništvo in informatiko
Založnik: Ž. Leber
UDK: 004.627:004.932(043.2)
COBISS: 21878294 Povezava se bo odprla v novem oknu
Št. ogledov: 645
Št. prenosov: 121
Ocena: 0 (0 glasov)
Metapodatki: JSON JSON-RDF JSON-LD TURTLE N-TRIPLES XML RDFA MICRODATA DC-XML DC-RDF RDF

Ostali podatki

Sekundarni jezik: Angleški jezik
Sekundarni naslov: Lossy image compression using variational autoencoder
Sekundarni povzetek: In this thesis we study lossy image compression using variational autoencoder. We implemented its recurrent variant called convolutional DRAW, which uses a LSTM neural network in the role of the encoder and the decoder. The implementation was done in Python using the PyTorch library. The performance was tested the CIFAR-10 dataset and the results compared to the JPEG compression method. We determined that the results are comparable in reconstruction quality.
Sekundarne ključne besede: image compression;neural netwoks;variational autoencoder;convolutional DRAW;
URN: URN:SI:UM:
Vrsta dela (COBISS): Magistrsko delo/naloga
Komentar na gradivo: Univ. v Mariboru, Fak. za elektrotehniko, računalništvo in informatiko, Računalništvo in informacijske tehnologije
Strani: XIII, 40 str.
ID: 10958139