Colorização automática de imagens em escala de cinza utilizando Deep Learning.

• Autor(a) principal: ARAÚJO, Leo de Lima
• 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
• topic: 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; Engenharia Elétrica.

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.