Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот ресурс: http://earchive.tpu.ru/handle/11683/39565
Название: Метод обнаружения расфокусированных и смазанных изображений лиц на основе свёрточных нейронных сетей
Авторы: Казиев, Александр Борисович
Научный руководитель: Спицын, Владимир Григорьевич
Ключевые слова: неэталонная оценка качества изображений; расфокусирование; размытие; изображения лиц; свёрточные нейронные сети; частотный спектр; no-reference image quality assessment; defocus; blur; face images; convolutional neural networks; frequency spectrum
Дата публикации: 2017
Библиографическое описание: Казиев А. Б. Метод обнаружения расфокусированных и смазанных изображений лиц на основе свёрточных нейронных сетей : магистерская диссертация / А. Б. Казиев ; Национальный исследовательский Томский политехнический университет (ТПУ), Институт кибернетики (ИК), Кафедра информационных систем и технологий (ИСТ) ; науч. рук. В. Г. Спицын. — Томск, 2017.
Аннотация: В данной работе предлагается метод обнаружения расфокусированных и смазанных изображений лиц на основе свёрточных нейронных сетей, который может быть использован в качестве средства входного контроля качества изображений в системах распознавания лиц и поисковых базах данных. Предлагаются варианты входных векторов признаков на основе исходного изображения лица и частотного спектра изображения, исследуется сравнительная эффективность использования каждого из них.
In this paper, a method for detecting blurred face images by means of a convolutional neural network is proposed that can be used as image quality control measure in face recognition systems and search databases. Several variants of input feature vector based on the original image or its frequency spectrum are proposed and the comparative efficiency of their application is explored.
URI: http://earchive.tpu.ru/handle/11683/39565
Располагается в коллекциях:Магистерские диссертации

Файлы этого ресурса:
Файл РазмерФормат 
TPU388558.pdf2,45 MBAdobe PDFПросмотреть/Открыть


Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.