Super-resolução de imagem única baseada em redes neurais de cápsulas
Autor(a) principal: | |
---|---|
Data de Publicação: | 2019 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) |
Texto Completo: | https://hdl.handle.net/20.500.12733/1636746 |
Resumo: | Orientadores: Hélio Pedrini, Gerberth Adín Ramírez Rivera |
id |
UNICAMP-30_5f70467007db447e70f375e1b7628c02 |
---|---|
oai_identifier_str |
oai::1091235 |
network_acronym_str |
UNICAMP-30 |
network_name_str |
Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) |
repository_id_str |
|
spelling |
Super-resolução de imagem única baseada em redes neurais de cápsulasSingle image super-resolution based on capsule neural networksRedes neurais (Computação)Visão por computadorAprendizado de máquinaAprendizagem supervisionada (Aprendizado de máquina)Neural networks (Computer science)Computer visionMachine learningSupervised learning (Machine learning)Orientadores: Hélio Pedrini, Gerberth Adín Ramírez RiveraDissertação (mestrado) - Universidade Estadual de Campinas, Instituto de ComputaçãoResumo: A super-resolução de imagem única (SISR) é o processo para obter uma versão de alta resolução de uma imagem de baixa resolução, aumentando o número de pixels por unidade de área. Esse método tem recebido constante atenção da comunidade científica, devido à ampla variedade de problemas em que pode ser aplicado no mundo real, de imagens aéreas e de satélite até o aprimoramento de imagens e vídeos comprimidos. Apesar dos avanços conquistados pela aprendizagem profunda na área, a grande maioria das redes neurais empregadas é baseada em convoluções tradicionais, com as soluções visando adici- onar mais camadas e/ou mais filtros, bem como inovações resultando do uso conjunto de conceitos bem-sucedidos em outras áreas. Neste trabalho, decidiu-se ir além das convolu- ções tradicionais e aplicar o conceito de cápsulas. Dados seus resultados impressionantes tanto em problemas de classificação quanto em segmentação de imagens, questionou-se quão adequadas elas seriam para SISR. Analisou-se também que as soluções recentes compartilham a maioria de suas configurações e argumentou-se que essa tendência leva a uma menor exploração de variedades de rede. Durante os experimentos realizados, várias estratégias foram verificadas para melhorar os resultados, variando de novas e diferentes funções de perda a mudanças nas camadas convolucionais. A rede proposta alcançou resultados competitivos em relação ao estado da arte, possuindo menor quantidade de camadas baseadas em convoluções, demostrando que as cápsulas podem ser um conceito relevante para aplicar no problema de super-resolução de imagens. Também identificou-se que uma nova função de perda melhora os resultados para todos os modelos aos quais foi aplicada, demonstrando sua eficácia. Até onde temos conhecimento, a rede Super- Resolution Capsules (SRCaps) proposta é a primeira aplicação com sucesso de cápsulas em soluções de super-resolução de imagem únicaAbstract: Single image super-resolution (SISR) is the process of obtaining one high-resolution ver- sion of a low-resolution image by increasing the number of pixels per unit area. This method has been under active study from the research community, due to the wide vari- ety of real-world problems where it can be employed, from aerial and satellite imaging to compressed image and video enhancement. Despite the improvements achieved by deep learning in the field, the large majority of the networks employed are based on traditional convolutions, with the solutions focusing on going deeper and/or wider, and innovations coming from jointly employing successful concepts from other fields. In this work, we decided to step up from the traditional convolutions and employ the concept of capsules. Since their overwhelming results both in image classification and segmentation problems, we question how suitable they are for SISR. We also verify that recent solutions share most of their configurations, and argue that this trend leads to fewer explorations of net- work varieties. During our experiments, we check various strategies to improve results, ranging from new and different loss functions to changes in the convolutional layers. Our network achieved competitive results with the state-of-the-art with fewer convolutional- based layers, showing that capsules might be a concept worth applying in the image super-resolution problem. We also found that a new loss function increases the results for all models it was applied to, demonstrating its effectiveness. For the best of our knowledge, our network Super-Resolution Capsules (SRCaps) is the first time capsules are successfully employed in single image super-resolution solutionsMestradoCiência da ComputaçãoMestre em Ciência da ComputaçãoCAPES[s.n.]Pedrini, Hélio, 1963-Ramírez Rivera, Adín, 1986-Breve, Fabricio AparecidoFerreira, Alexandre MelloUniversidade Estadual de Campinas (UNICAMP). Instituto de ComputaçãoPrograma de Pós-Graduação em Ciência da ComputaçãoUNIVERSIDADE ESTADUAL DE CAMPINASAraújo, George Corrêa de, 1987-20192019-04-29T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdf1 recurso online (76 p.) : il., digital, arquivo PDF.https://hdl.handle.net/20.500.12733/1636746ARAÚJO, George Corrêa de. Super-resolução de imagem única baseada em redes neurais de cápsulas. 2019. 1 recurso online (76 p.) Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Computação, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1636746. Acesso em: 3 set. 2024.https://repositorio.unicamp.br/acervo/detalhe/1091235Requisitos do sistema: Software para leitura de arquivo em PDFporreponame:Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)instname:Universidade Estadual de Campinas (UNICAMP)instacron:UNICAMPinfo:eu-repo/semantics/openAccess2019-08-14T13:17:48Zoai::1091235Biblioteca Digital de Teses e DissertaçõesPUBhttp://repositorio.unicamp.br/oai/tese/oai.aspsbubd@unicamp.bropendoar:2019-08-14T13:17:48Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) - Universidade Estadual de Campinas (UNICAMP)false |
dc.title.none.fl_str_mv |
Super-resolução de imagem única baseada em redes neurais de cápsulas Single image super-resolution based on capsule neural networks |
title |
Super-resolução de imagem única baseada em redes neurais de cápsulas |
spellingShingle |
Super-resolução de imagem única baseada em redes neurais de cápsulas Araújo, George Corrêa de, 1987- Redes neurais (Computação) Visão por computador Aprendizado de máquina Aprendizagem supervisionada (Aprendizado de máquina) Neural networks (Computer science) Computer vision Machine learning Supervised learning (Machine learning) |
title_short |
Super-resolução de imagem única baseada em redes neurais de cápsulas |
title_full |
Super-resolução de imagem única baseada em redes neurais de cápsulas |
title_fullStr |
Super-resolução de imagem única baseada em redes neurais de cápsulas |
title_full_unstemmed |
Super-resolução de imagem única baseada em redes neurais de cápsulas |
title_sort |
Super-resolução de imagem única baseada em redes neurais de cápsulas |
author |
Araújo, George Corrêa de, 1987- |
author_facet |
Araújo, George Corrêa de, 1987- |
author_role |
author |
dc.contributor.none.fl_str_mv |
Pedrini, Hélio, 1963- Ramírez Rivera, Adín, 1986- Breve, Fabricio Aparecido Ferreira, Alexandre Mello Universidade Estadual de Campinas (UNICAMP). Instituto de Computação Programa de Pós-Graduação em Ciência da Computação UNIVERSIDADE ESTADUAL DE CAMPINAS |
dc.contributor.author.fl_str_mv |
Araújo, George Corrêa de, 1987- |
dc.subject.por.fl_str_mv |
Redes neurais (Computação) Visão por computador Aprendizado de máquina Aprendizagem supervisionada (Aprendizado de máquina) Neural networks (Computer science) Computer vision Machine learning Supervised learning (Machine learning) |
topic |
Redes neurais (Computação) Visão por computador Aprendizado de máquina Aprendizagem supervisionada (Aprendizado de máquina) Neural networks (Computer science) Computer vision Machine learning Supervised learning (Machine learning) |
description |
Orientadores: Hélio Pedrini, Gerberth Adín Ramírez Rivera |
publishDate |
2019 |
dc.date.none.fl_str_mv |
2019 2019-04-29T00:00:00Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
https://hdl.handle.net/20.500.12733/1636746 ARAÚJO, George Corrêa de. Super-resolução de imagem única baseada em redes neurais de cápsulas. 2019. 1 recurso online (76 p.) Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Computação, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1636746. Acesso em: 3 set. 2024. |
url |
https://hdl.handle.net/20.500.12733/1636746 |
identifier_str_mv |
ARAÚJO, George Corrêa de. Super-resolução de imagem única baseada em redes neurais de cápsulas. 2019. 1 recurso online (76 p.) Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Computação, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1636746. Acesso em: 3 set. 2024. |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.none.fl_str_mv |
https://repositorio.unicamp.br/acervo/detalhe/1091235 Requisitos do sistema: Software para leitura de arquivo em PDF |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf 1 recurso online (76 p.) : il., digital, arquivo PDF. |
dc.publisher.none.fl_str_mv |
[s.n.] |
publisher.none.fl_str_mv |
[s.n.] |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) instname:Universidade Estadual de Campinas (UNICAMP) instacron:UNICAMP |
instname_str |
Universidade Estadual de Campinas (UNICAMP) |
instacron_str |
UNICAMP |
institution |
UNICAMP |
reponame_str |
Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) |
collection |
Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) |
repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) - Universidade Estadual de Campinas (UNICAMP) |
repository.mail.fl_str_mv |
sbubd@unicamp.br |
_version_ |
1809189146856521728 |