Lista przedmiotów z materiałami udostępnionymi dla studentów

Dla_studentów
  • Increase font size
  • Default font size
  • Decrease font size

Rafał Chrul

Opracowanie nowego zbioru tekstur kierunkowych i analiza jego przydatności w procesie uczenia splotowych sieci neuronowych do detekcji kierunkowości tekstur


Development of a new set of directional textures and analysis of its usefulness in the process of training convolutional neural networks for the texture directionality detection


Opiekun pracy dyplomowej: dr inż. Marcin Kociołek
Praca dyplomowa magisterska obroniona 2022-10-14
Streszczenie pracy dyplomowej:
Kierunkowość jest jedną z ważniejszych właściwości tekstury obrazu. Analiza kierunkowości tekstury znajduje wiele zastosowań w aplikacjach wykorzystujących analizę obrazu. Istnieje wiele metod analizy kierunkowości tekstury, między innymi wykorzystywane są w tym zadaniu splotowe sieci neuronowe (CNN ang. convolutional neural networks). W procesie trenowania i testowania neuronowych sieci splotowych potrzebna jest znaczna liczba tekstur treningowych walidacyjnych i testowych. Obecnie wykorzystywane zestawy takich tekstur obarczone są pewnymi artefaktami w związku z tym potrzebne jest opracowanie nowych zestawów. Celem pracy dyplomowej było opracowanie zestawów tekstur kierunkowych do trenowania i testowania sieci CNN do detekcji kierunku tekstury, przeprowadzenie analizy przydatności opracowanego zestawu do treningu wybranych sieci CNN do detekcji kierunku tekstury. Cel został osiągnięty. Opracowano nową metodę generacji obrazu tekstur treningowych dla sieci CNN do detekcji kierunku tekstury bazującej na modelowaniu pikseli jako okręgów i analizę interakcji tych okręgów z liniami brzegowymi pasków o określonym kierunku. Wyniki uczenia zestawu sieci CNN do detekcji kierunku pokazały, że tego typu sieci mogą być trenowane na zestawie obrazów wygenerowanych według opracowanej metody. Praca składa się z 6 rozdziałów, pierwszy jest wstępem. Drugi rozdział zawiera wprowadzenie do zagadnienia kierunkowości tekstur wraz z przeglądem literatury. W rozdziale trzecim opisano nową metodę generowania tekstur bazującej na modelowaniu pikseli jako nakładających się okręgów. Rozdział czwarty zawiera opis stworzonej aplikacji do testowania nowej metody generacji oraz skryptu użytego do wygenerowania dużego zbioru obrazów testowych. W rozdziale piątym opisano testowanie wybranych sieci neuronowych na serii wygenerowanych obrazów tekstur za pomocą opracowanej metody. Ostatni rozdział jest podsumowaniem całej pracy. Słowa kluczowe: kierunkowość tekstur, splotowe sieci neuronowe, generowanie sztucznych obrazów.
Abstract:
Directionality is one of the most important properties of an image texture. Texture directional analysis finds many uses in image analysis applications. There are many methods of analyzing the texture directivity, including the use of convolutional neural networks (CNN). A significant number of validation and testing training textures are needed in the process of training and testing neural convolutional networks. Currently used sets of such textures have certain artifacts, therefore it is necessary to develop new sets. The aim of the thesis was to develop directional texture sets for training and testing the CNN network for texture direction detection. Conducting an analysis of the usefulness of the developed set for training selected CNN networks for the detection of the texture direction. The goal has been achieved. A new training texture image generation method was developed for the CNN network to detect the texture direction based on modeling pixels as circles and analyzing the interaction of these circles with the boundary lines of stripes with a specific direction. The results of training a set of CNN networks for direction detection showed that these types of networks can be trained on a set of images generated according to the developed method. The work consists of 6 chapters, the first is an introduction. The second chapter introduces the issue of texture directivity along with a literature review. Chapter three describes a new method of generating textures based on modeling pixels as overlapping circles. The fourth chapter describes the created application for testing the new generation method and the script used to generate a large set of test images. Chapter five describes the testing of selected neural networks on a series pictures generated by the developed method. The last chapter is a summary of all the work. Keywords: texture directional, convolutional neural networks, artificial image generation.