Модуль стиснення зображень на основі нейро-мережевих автокодувальників
В роботі запропоновано новий підхід до стиснення даних у вигляді нейромережевого модуля на базі структури автокодувальників, що має найбільш оптимальний час навчання, рівень стиснення та отримує достатньо чітку реконструкцію зображення. Розроблено основні механізми для побудови структури нейромереж...
Gespeichert in:
| Veröffentlicht in: | Проблеми програмування |
|---|---|
| Datum: | 2023 |
| Hauptverfasser: | , |
| Format: | Artikel |
| Sprache: | Ukrainian |
| Veröffentlicht: |
Інститут програмних систем НАН України
2023
|
| Schlagworte: | |
| Online Zugang: | https://nasplib.isofts.kiev.ua/handle/123456789/191027 |
| Tags: |
Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
|
| Назва журналу: | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| Zitieren: | Модуль стиснення зображень на основі нейро-мережевих автокодувальників / В.О. Лесик, А.Ю. Дорошенко // Проблеми програмування. — 2023. — № 1. — С. 48-57 . — Бібліогр.: 11 назв. — укр. |
Institution
Digital Library of Periodicals of National Academy of Sciences of Ukraine| id |
nasplib_isofts_kiev_ua-123456789-191027 |
|---|---|
| record_format |
dspace |
| spelling |
Лесик, В.О. Дорошенко, А.Ю. 2023-06-25T18:40:22Z 2023-06-25T18:40:22Z 2023 Модуль стиснення зображень на основі нейро-мережевих автокодувальників / В.О. Лесик, А.Ю. Дорошенко // Проблеми програмування. — 2023. — № 1. — С. 48-57 . — Бібліогр.: 11 назв. — укр. 1727-4907 DOI: http://doi.org/10.15407/pp2023.01.048 https://nasplib.isofts.kiev.ua/handle/123456789/191027 004.627 В роботі запропоновано новий підхід до стиснення даних у вигляді нейромережевого модуля на базі структури автокодувальників, що має найбільш оптимальний час навчання, рівень стиснення та отримує достатньо чітку реконструкцію зображення. Розроблено основні механізми для побудови структури нейромереж кодера та декодера, що застосовуються у якості модуля. Основні дані для реконструкції були обрані із відкритого набору даних Fashion-MNIST, що дозволяє спрощено тестувати нейромережеві структури, процес їх навчання та отримання результатів. Проаналізовано підходи до відтворення зображень за допомогою нейромережевих шарів згортки та оберненої згортки. Проведено аналіз впливу на якість результуючої реконструкції зображення структури вихідного модуля, що застосовується для стиснення вхідного зображення. Знайдено нетипову поведінку під час збільшення шарів у структурі автокодувальника, що не призводять до збільшення якості відтворення зображень. Виділено основну необхідність зміни структурних частин автокодувальника та його застосування у комбінації із іншими технологіями для отримання кращого результату відтворення та нівелювання спотворень A new approach is proposed to data compression in the form of a neural network module based on the structure of autoencoders, which has the most optimal learning time, compression level and obtains sufficiently clear image reconstruction. The main mechanisms for building the structure of encoder and decoder neural networks, which are used as a module, have been developed. The main data for the reconstruction were selected from the open data set Fashion-MNIST, which allows simplified testing of neural network structures, the process of their training and obtaining results. Approaches to image reproduction using neural network layers of convolution and inverse convolution are analyzed. An analysis of the impact on the quality of the resulting image reconstruction of the structure of the output module, which is used to compress the input image, was carried out. Atypical behavior was found during the increase of layers in the structure of the autoencoder, which did not lead to an increase in the quality of image reproduction. The basic necessity of changing the structural parts of the autoencoder and its application in combination with other technologies to obtain a better reproduction result and the elimination of distortions is highlighted. uk Інститут програмних систем НАН України Проблеми програмування Моделі та методи машинного навчання Модуль стиснення зображень на основі нейро-мережевих автокодувальників Image compression module based neural network autoencoders Article published earlier |
| institution |
Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| collection |
DSpace DC |
| title |
Модуль стиснення зображень на основі нейро-мережевих автокодувальників |
| spellingShingle |
Модуль стиснення зображень на основі нейро-мережевих автокодувальників Лесик, В.О. Дорошенко, А.Ю. Моделі та методи машинного навчання |
| title_short |
Модуль стиснення зображень на основі нейро-мережевих автокодувальників |
| title_full |
Модуль стиснення зображень на основі нейро-мережевих автокодувальників |
| title_fullStr |
Модуль стиснення зображень на основі нейро-мережевих автокодувальників |
| title_full_unstemmed |
Модуль стиснення зображень на основі нейро-мережевих автокодувальників |
| title_sort |
модуль стиснення зображень на основі нейро-мережевих автокодувальників |
| author |
Лесик, В.О. Дорошенко, А.Ю. |
| author_facet |
Лесик, В.О. Дорошенко, А.Ю. |
| topic |
Моделі та методи машинного навчання |
| topic_facet |
Моделі та методи машинного навчання |
| publishDate |
2023 |
| language |
Ukrainian |
| container_title |
Проблеми програмування |
| publisher |
Інститут програмних систем НАН України |
| format |
Article |
| title_alt |
Image compression module based neural network autoencoders |
| description |
В роботі запропоновано новий підхід до стиснення даних у вигляді нейромережевого модуля на базі структури автокодувальників, що має найбільш оптимальний час навчання, рівень стиснення та отримує достатньо чітку реконструкцію зображення. Розроблено основні механізми для побудови структури нейромереж кодера та декодера, що застосовуються у якості модуля. Основні дані для реконструкції були обрані із відкритого набору даних Fashion-MNIST, що дозволяє спрощено тестувати нейромережеві структури, процес їх навчання та отримання результатів. Проаналізовано підходи до відтворення зображень за допомогою нейромережевих шарів згортки та оберненої згортки. Проведено аналіз впливу на якість результуючої реконструкції зображення структури вихідного модуля, що застосовується для стиснення вхідного зображення. Знайдено нетипову поведінку під час збільшення шарів у структурі автокодувальника, що не призводять до збільшення якості відтворення зображень. Виділено основну необхідність зміни структурних частин автокодувальника та його застосування у комбінації із іншими технологіями для отримання кращого результату відтворення та нівелювання спотворень
A new approach is proposed to data compression in the form of a neural network module based on the structure of autoencoders, which has the most optimal learning time, compression level and obtains sufficiently clear image reconstruction. The main mechanisms for building the structure of encoder and decoder neural networks, which are used as a module, have been developed. The main data for the reconstruction were selected from the open data set Fashion-MNIST, which allows simplified testing of neural network structures, the process of their training and obtaining results. Approaches to image reproduction using neural network layers of convolution and inverse convolution are analyzed. An analysis of the impact on the quality of the resulting image reconstruction of the structure of the output module, which is used to compress the input image, was carried out. Atypical behavior was found during the increase of layers in the structure of the autoencoder, which did not lead to an increase in the quality of image reproduction. The basic necessity of changing the structural parts of the autoencoder and its application in combination with other technologies to obtain a better reproduction result and the elimination of distortions is highlighted.
|
| issn |
1727-4907 |
| url |
https://nasplib.isofts.kiev.ua/handle/123456789/191027 |
| citation_txt |
Модуль стиснення зображень на основі нейро-мережевих автокодувальників / В.О. Лесик, А.Ю. Дорошенко // Проблеми програмування. — 2023. — № 1. — С. 48-57 . — Бібліогр.: 11 назв. — укр. |
| work_keys_str_mv |
AT lesikvo modulʹstisnennâzobraženʹnaosnovíneiromereževihavtokoduvalʹnikív AT dorošenkoaû modulʹstisnennâzobraženʹnaosnovíneiromereževihavtokoduvalʹnikív AT lesikvo imagecompressionmodulebasedneuralnetworkautoencoders AT dorošenkoaû imagecompressionmodulebasedneuralnetworkautoencoders |
| first_indexed |
2025-12-07T17:41:30Z |
| last_indexed |
2025-12-07T17:41:30Z |
| _version_ |
1850872211436470272 |