Please use this identifier to cite or link to this item: http://repositorio.unicamp.br/jspui/handle/REPOSIP/334653
Type: DISSERTAÇÃO DIGITAL
Degree Level: Mestrado
Title: Super-resolução de imagem única baseada em redes neurais de cápsulas
Title Alternative: Single image super-resolution based on capsule neural networks
Author: Araújo, George Corrêa de, 1987-
Advisor: Pedrini, Hélio, 1963-
Abstract: Resumo: 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 única

Abstract: 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 solutions
Subject: Redes neurais (Computação)
Visão por computador
Aprendizado de máquina
Aprendizagem supervisionada (Aprendizado do computador)
Language: Português
Editor: [s.n.]
Citation: 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.
Date Issue: 2019
Appears in Collections:IC - Tese e Dissertação

Files in This Item:
File SizeFormat 
Araujo_GeorgeCorreaDe_M.pdf37.6 MBAdobe PDFView/Open


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