Skip navigation
Please use this identifier to cite or link to this item: https://libeldoc.bsuir.by/handle/123456789/48748
Full metadata record
DC FieldValueLanguage
dc.contributor.authorСеребряная, Л. В.-
dc.contributor.authorПотараев, В. В.-
dc.coverage.spatialМинск-
dc.date.accessioned2022-10-24T09:23:49Z-
dc.date.available2022-10-24T09:23:49Z-
dc.date.issued2020-
dc.identifier.citationСеребряная, Л. В. Автоматическая колоризация изображений на основе свёрточных нейронных сетей = Automatic Image Colorization Based on Convolutional Neural Networks / Л. В. Серебряная, В. В. Потараев // Цифровая трансформация. – 2020. – № 2(11). – С. 58–64. – DOI : https://doi.org/10.38086/2522-9613-2020-1-58-64.ru_RU
dc.identifier.urihttps://libeldoc.bsuir.by/handle/123456789/48748-
dc.description.abstractВыполнен анализ методов и средств колоризации изображений. Обоснован выбор модели искусственной нейронной сети для обработки графической информации. Сформулирована задача автоматической колоризации произвольных изображений. Приведены исходные данные, условия и ограничения, необходимые для модели колоризации. В результате классификации изображений получен набор гиперколонок нейронной сети для каждого обрабатываемого изображения. Создана модель колоризации, которая позволяет по набору гиперколонок определить цвет каждого пикселя изображения. Данная модель состоит из двух связанных между собой частей: классификатора и колоризатора. Классификатор основан на использовании свёрточной нейронной сети, а колоризатор – на использовании хеш-таблицы, хранящей соответствие гиперколонок и цветов. Предложен алгоритм применения данной модели для колоризации изображений. Выполнено сравнение результата колоризации для разработанной и существующей моделей. Создано программное средство, которое позволяет осуществлять обучение различных нейронных сетей и колоризацию графической информации. Эксперименты показали, что разработанная модель достаточно корректно определяет цвет изображения. Предложенный алгоритм позволяет использовать свёрточную нейронную сеть для раскрашивания черно-белых изображений, цветокоррекции цветных рисунков и др.ru_RU
dc.language.isoruru_RU
dc.publisherГИАЦru_RU
dc.subjectцифровая трансформацияru_RU
dc.subjectнейронные сетиru_RU
dc.subjectискусственные нейронные сетиru_RU
dc.subjectклассификация данныхru_RU
dc.subjectколоризация изображенийru_RU
dc.subjectгиперколонкиru_RU
dc.titleАвтоматическая колоризация изображений на основе свёрточных нейронных сетейru_RU
dc.title.alternativeAutomatic Image Colorization Based on Convolutional Neural Networksru_RU
dc.typeArticleru_RU
local.description.annotationAnalysis of methods and tools for image colorization was performed. It was explained why artificial neural network model was chosen for graphics information processing. The task of automatic colorization of arbitrary images was formulated. Initial data, conditions and constraints necessary for colorization model are listed. As a result of text classification, set of neural network hypercolumns was retrieved for each image processed. Colorization model was created which allows to determine color of each pixel based on hypercolumns set. In fact, this model consists of two related parts: classifier and colorizer. Classifier is based on using convolutional neural network, and colorizer is based on hash table which stores mapping of hypercolumns and colors. Algorythm of using this model for image colorization is proposed. Comparison of colorization results for developed and existing models was performed. Software tool was created which allows to perform learning of different neural networks and colorization of graphical information. Experiments shown that developed model determines image color quite correctly. Proposed algorithm allows to use convolutional neural network for colorizing black-and-white images, for color correction of pictures, etc.-
Appears in Collections:№2(11)

Files in This Item:
File Description SizeFormat 
Serebryanaya_Avtomaticheskaya.pdf736.21 kBAdobe PDFView/Open
Show simple item record Google Scholar

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.