Colorização automática de imagens em escala de cinza utilizando Deep Learning.
Autor(a) principal: | |
---|---|
Data de Publicação: | 2019 |
Tipo de documento: | Trabalho de conclusão de curso |
Idioma: | por |
Título da fonte: | Biblioteca Digital de Teses e Dissertações da UFCG |
Texto Completo: | http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/19054 |
Resumo: | Redes Neurais Convolucionais e outros métodos de Deep Learning vêm se tornando cada vez mais relevantes nos últimos anos e têm superado as técnicas tradicionais em diversos aspectos de domínios como Visão Computacional e Processamento de Sinais. Nesse contexto, propõe-se a realização de um estudo sobre tais métodos de modo a determinar a viabilidade de sua implementação para realizar a colorização automática de imagens em escala de cinza, algo que vem sendo alvo de pesquisas de Visão Computacional desde a década de 1980, determinando, dentre as execuções bem sucedidas realizadas em outros trabalhos, a melhor forma de fazê-lo. Foram comparados três modelos de Redes Neurais Convolucionais treinados para a realização da colorização automática e eles foram avaliados segundo três índices qualitativos, a raíz do erro médio quadrático (RMSE), a relação sinal ruído de pico (PSNR) e o índice de similaridade estrutural (SSIM), além de um teste de usabilidade, permitindo que se determinasse os diferenciais de cada modelo e seus problemas. Concluiu-se que, além de viável, é possível fazê-lo com resultados bastante realistas, capazes de convencer outras pessoas da autenticidade das colorizações produzidas. |
id |
UFCG_7e028525d046928e8429c32467381d33 |
---|---|
oai_identifier_str |
oai:localhost:riufcg/19054 |
network_acronym_str |
UFCG |
network_name_str |
Biblioteca Digital de Teses e Dissertações da UFCG |
repository_id_str |
4851 |
spelling |
VELOSO, Luciana Ribeiro.VELOSO, L. R.http://lattes.cnpq.br/2498050002491677ARAÚJO, L. L.http://lattes.cnpq.br/2093156188518982ARAÚJO, Leo de LimaRedes Neurais Convolucionais e outros métodos de Deep Learning vêm se tornando cada vez mais relevantes nos últimos anos e têm superado as técnicas tradicionais em diversos aspectos de domínios como Visão Computacional e Processamento de Sinais. Nesse contexto, propõe-se a realização de um estudo sobre tais métodos de modo a determinar a viabilidade de sua implementação para realizar a colorização automática de imagens em escala de cinza, algo que vem sendo alvo de pesquisas de Visão Computacional desde a década de 1980, determinando, dentre as execuções bem sucedidas realizadas em outros trabalhos, a melhor forma de fazê-lo. Foram comparados três modelos de Redes Neurais Convolucionais treinados para a realização da colorização automática e eles foram avaliados segundo três índices qualitativos, a raíz do erro médio quadrático (RMSE), a relação sinal ruído de pico (PSNR) e o índice de similaridade estrutural (SSIM), além de um teste de usabilidade, permitindo que se determinasse os diferenciais de cada modelo e seus problemas. Concluiu-se que, além de viável, é possível fazê-lo com resultados bastante realistas, capazes de convencer outras pessoas da autenticidade das colorizações produzidas.Convolutional Neural Networks and other Deep Learning techniques have become more relevant outperforming numerous classic applications in fields like Computer Vision and Signal Processing. Therefore, this project proposes a study covering those techniques in order to ascertain the viability of implementing them in order to colorize grayscale images automatically, something that has been studied by Computer Vision experts since the decade of 1980, and determine the most efficient way of doing it. Three Convolutional Neural Network models, trained to perform automatic colorization, were evaluated according utilizing the root mean square error (RMSE), the peak signal-to-noise ratio (PSNR) and the structural similarity index (SSIM) together with an user study, thus allowing the strengths and weaknesses of each model to be determined. It was concluded that it is not only possible to implement automatic colorization utilizing Deep Learning, but results that are good enough to convince other people of the colorization’s authenticity can be achieved.Submitted by Joana Darc Morais da Silva (darc.campo@gmail.com) on 2021-05-26T20:46:44Z No. of bitstreams: 1 LEO DE LIMA ARÁUJO - TCC ENG. ELÉTRICA 2019.pdf: 2053747 bytes, checksum: ed64f7b10995c08a45f90eb8b13c25b3 (MD5)Made available in DSpace on 2021-05-26T20:46:44Z (GMT). No. of bitstreams: 1 LEO DE LIMA ARÁUJO - TCC ENG. ELÉTRICA 2019.pdf: 2053747 bytes, checksum: ed64f7b10995c08a45f90eb8b13c25b3 (MD5) Previous issue date: 2019-07Universidade Federal de Campina GrandeUFCGBrasilCentro de Engenharia Elétrica e Informática - CEEIEngenharia Elétrica.Colorização automática de imagensTratamento digital de imagensImagens em escala de cinza - colorizaçãoDeep LearningRedes neurais convolucionaisRedes neurais artificiaisColorização com Deep LearningAutomatic colorization of imagesDigital image processingGrayscale images - colorizationConvolutional neural networksArtificial neural networksDeep Learning ColorizationColorização automática de imagens em escala de cinza utilizando Deep Learning.Automatic colorization of grayscale images using Deep Learning.2019-072021-05-26T20:46:44Z2021-05-262021-05-26T20:46:44Zhttp://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/19054ARAÚJO, Leo de Lima. Colorização automática de imagens em escala de cinza utilizando Deep Learning. 2019. 60f. (Trabalho de Conclusão de Curso - Monografia), Curso de Bacharelado em Engenharia Elétrica, Centro de Engenharia Elétrica e Informática , Universidade Federal de Campina Grande – Paraíba - Brasil, 2019. Disponível em: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/19054info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisporinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFCGinstname:Universidade Federal de Campina Grande (UFCG)instacron:UFCGLICENSElicense.txtlicense.txttext/plain; charset=utf-81748http://dspace.sti.ufcg.edu.br:8080/xmlui/bitstream/riufcg/19054/2/license.txt8a4605be74aa9ea9d79846c1fba20a33MD52ORIGINALLEO DE LIMA ARÁUJO - TCC ENG. ELÉTRICA 2019.pdfLEO DE LIMA ARÁUJO - TCC ENG. ELÉTRICA 2019.pdfapplication/pdf2053747http://dspace.sti.ufcg.edu.br:8080/xmlui/bitstream/riufcg/19054/1/LEO+DE+LIMA+AR%C3%81UJO+-+TCC+ENG.+EL%C3%89TRICA+2019.pdfed64f7b10995c08a45f90eb8b13c25b3MD51riufcg/190542021-05-26 17:47:21.297oai:localhost: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Biblioteca Digital de Teses e Dissertaçõeshttp://bdtd.ufcg.edu.br/PUBhttp://dspace.sti.ufcg.edu.br:8080/oai/requestbdtd@setor.ufcg.edu.br || bdtd@setor.ufcg.edu.bropendoar:48512024-07-01T10:20:02.660106Biblioteca Digital de Teses e Dissertações da UFCG - Universidade Federal de Campina Grande (UFCG)false |
dc.title.pt_BR.fl_str_mv |
Colorização automática de imagens em escala de cinza utilizando Deep Learning. |
dc.title.alternative.pt_BR.fl_str_mv |
Automatic colorization of grayscale images using Deep Learning. |
title |
Colorização automática de imagens em escala de cinza utilizando Deep Learning. |
spellingShingle |
Colorização automática de imagens em escala de cinza utilizando Deep Learning. ARAÚJO, Leo de Lima Engenharia Elétrica. Colorização automática de imagens Tratamento digital de imagens Imagens em escala de cinza - colorização Deep Learning Redes neurais convolucionais Redes neurais artificiais Colorização com Deep Learning Automatic colorization of images Digital image processing Grayscale images - colorization Convolutional neural networks Artificial neural networks Deep Learning Colorization |
title_short |
Colorização automática de imagens em escala de cinza utilizando Deep Learning. |
title_full |
Colorização automática de imagens em escala de cinza utilizando Deep Learning. |
title_fullStr |
Colorização automática de imagens em escala de cinza utilizando Deep Learning. |
title_full_unstemmed |
Colorização automática de imagens em escala de cinza utilizando Deep Learning. |
title_sort |
Colorização automática de imagens em escala de cinza utilizando Deep Learning. |
author |
ARAÚJO, Leo de Lima |
author_facet |
ARAÚJO, Leo de Lima |
author_role |
author |
dc.contributor.advisor1.fl_str_mv |
VELOSO, Luciana Ribeiro. |
dc.contributor.advisor1ID.fl_str_mv |
VELOSO, L. R. |
dc.contributor.advisor1Lattes.fl_str_mv |
http://lattes.cnpq.br/2498050002491677 |
dc.contributor.authorID.fl_str_mv |
ARAÚJO, L. L. |
dc.contributor.authorLattes.fl_str_mv |
http://lattes.cnpq.br/2093156188518982 |
dc.contributor.author.fl_str_mv |
ARAÚJO, Leo de Lima |
contributor_str_mv |
VELOSO, Luciana Ribeiro. |
dc.subject.cnpq.fl_str_mv |
Engenharia Elétrica. |
topic |
Engenharia Elétrica. Colorização automática de imagens Tratamento digital de imagens Imagens em escala de cinza - colorização Deep Learning Redes neurais convolucionais Redes neurais artificiais Colorização com Deep Learning Automatic colorization of images Digital image processing Grayscale images - colorization Convolutional neural networks Artificial neural networks Deep Learning Colorization |
dc.subject.por.fl_str_mv |
Colorização automática de imagens Tratamento digital de imagens Imagens em escala de cinza - colorização Deep Learning Redes neurais convolucionais Redes neurais artificiais Colorização com Deep Learning Automatic colorization of images Digital image processing Grayscale images - colorization Convolutional neural networks Artificial neural networks Deep Learning Colorization |
description |
Redes Neurais Convolucionais e outros métodos de Deep Learning vêm se tornando cada vez mais relevantes nos últimos anos e têm superado as técnicas tradicionais em diversos aspectos de domínios como Visão Computacional e Processamento de Sinais. Nesse contexto, propõe-se a realização de um estudo sobre tais métodos de modo a determinar a viabilidade de sua implementação para realizar a colorização automática de imagens em escala de cinza, algo que vem sendo alvo de pesquisas de Visão Computacional desde a década de 1980, determinando, dentre as execuções bem sucedidas realizadas em outros trabalhos, a melhor forma de fazê-lo. Foram comparados três modelos de Redes Neurais Convolucionais treinados para a realização da colorização automática e eles foram avaliados segundo três índices qualitativos, a raíz do erro médio quadrático (RMSE), a relação sinal ruído de pico (PSNR) e o índice de similaridade estrutural (SSIM), além de um teste de usabilidade, permitindo que se determinasse os diferenciais de cada modelo e seus problemas. Concluiu-se que, além de viável, é possível fazê-lo com resultados bastante realistas, capazes de convencer outras pessoas da autenticidade das colorizações produzidas. |
publishDate |
2019 |
dc.date.issued.fl_str_mv |
2019-07 |
dc.date.accessioned.fl_str_mv |
2021-05-26T20:46:44Z |
dc.date.available.fl_str_mv |
2021-05-26 2021-05-26T20:46:44Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
format |
bachelorThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/19054 |
dc.identifier.citation.fl_str_mv |
ARAÚJO, Leo de Lima. Colorização automática de imagens em escala de cinza utilizando Deep Learning. 2019. 60f. (Trabalho de Conclusão de Curso - Monografia), Curso de Bacharelado em Engenharia Elétrica, Centro de Engenharia Elétrica e Informática , Universidade Federal de Campina Grande – Paraíba - Brasil, 2019. Disponível em: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/19054 |
url |
http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/19054 |
identifier_str_mv |
ARAÚJO, Leo de Lima. Colorização automática de imagens em escala de cinza utilizando Deep Learning. 2019. 60f. (Trabalho de Conclusão de Curso - Monografia), Curso de Bacharelado em Engenharia Elétrica, Centro de Engenharia Elétrica e Informática , Universidade Federal de Campina Grande – Paraíba - Brasil, 2019. Disponível em: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/19054 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal de Campina Grande |
dc.publisher.initials.fl_str_mv |
UFCG |
dc.publisher.country.fl_str_mv |
Brasil |
dc.publisher.department.fl_str_mv |
Centro de Engenharia Elétrica e Informática - CEEI |
publisher.none.fl_str_mv |
Universidade Federal de Campina Grande |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações da UFCG instname:Universidade Federal de Campina Grande (UFCG) instacron:UFCG |
instname_str |
Universidade Federal de Campina Grande (UFCG) |
instacron_str |
UFCG |
institution |
UFCG |
reponame_str |
Biblioteca Digital de Teses e Dissertações da UFCG |
collection |
Biblioteca Digital de Teses e Dissertações da UFCG |
bitstream.url.fl_str_mv |
http://dspace.sti.ufcg.edu.br:8080/xmlui/bitstream/riufcg/19054/2/license.txt http://dspace.sti.ufcg.edu.br:8080/xmlui/bitstream/riufcg/19054/1/LEO+DE+LIMA+AR%C3%81UJO+-+TCC+ENG.+EL%C3%89TRICA+2019.pdf |
bitstream.checksum.fl_str_mv |
8a4605be74aa9ea9d79846c1fba20a33 ed64f7b10995c08a45f90eb8b13c25b3 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações da UFCG - Universidade Federal de Campina Grande (UFCG) |
repository.mail.fl_str_mv |
bdtd@setor.ufcg.edu.br || bdtd@setor.ufcg.edu.br |
_version_ |
1803396735054118912 |