Аналіз методів кодування зображень на основі машинного навчання

Abstract

Мета роботи – дослідження ефективності методу стиснення зображень із використанням ШНМ-кодеків. Методи досліджень: аналіз сучасної науково-технічної літературі, класифікація архітектур штучних нейронних мереж, експериментальне оцінювання якості відновлених зображень за метриками PSNR та BPP. В цій кваліфікаційній роботі було проведено аналіз сучасних методів стиснення цифрових зображень, классичного стандарту JPEG і нейромережевого підходу, що базується на глибинному навчанні. Розглянуто архітектури автокодерів на базі штучних нейронних мереж, які використовуються для стиснення зображень. Проведено аналіз процесу кодування і декодування зображення із використанням нейромережі. В експериментальній частині було проведено тестове стиснення зображень із набору kodak із залученням штучної нейронної мережі моделі bmshj2018 hyperprior. В ході тестів було оцінено якість реконструйованих зображень у порівнянні із класичним стандартом JPEG за допомогою метрик PSNR та BPP. Отримані експериментальні результати підтверджують доцільність інтеграції ШНМ-кодеків у сучасну систему передачі й збереження цифрових зображень.