“Colorization Using Deep Convolution Neural Networks // GP // Dr. Ahmed Farouk (2018 - 2019)

By:

Sherine Khaled Darwish 160477

Material type: Text

TextSeries: COMPUTER SCIENCES DISTINGUISHED PROJECTS 2019Publication details: GIZA : MSA, 2019.Description: 63 pSubject(s):

Artificial intelligence

DDC classification:

Online resources:

FULL TEXT HERE

Summary: يتم تقديم تقنية عامة لتحويل الصور ذات التدرج الرمادي إلى صورة ملونة ، ولتحقيق ذلك يلزم استخدام تقنية معينة للتنبؤ ببعض لون بكسل معين في الصورة بشكل تكيفي باستخدام أساليب التعلم العميق. على الرغم من أن إضافة اللون إلى الصور ذات اللون الرمادي يمكن أن يساعد في تحسين كل من المظهر البصري والتعبير. تم استكشاف بنى الشبكة المختلفة والأهداف ومساحات الألوان وتركيبات المشكلات. تسمى الطريقة المستخدمة في هذه الورقة الشبكة العصبية التلافيفية العميقة حيث لعبت دورًا بارزًا في معالجة الصور ورؤية الكمبيوتر. يمكننا تدريب صورنا للحصول على صور ملونة تتكون من 3 قنوات. يتدرب المشروع في الغالب على فراغ لوني مختلف عن كل الصور ، حيث يتم تحويل كل صورة إلى فراغ لوني L * a * b * ويمر حسب النموذج الذي تم إنشاؤه. ينصب التركيز الرئيسي في هذا المشروع على نموذجين مختلفين ، أحدهما لكل قناة متوقعة "a" و "b". يمكن أن تتغير خسارة القنوات المتوقعة من فئة إلى فئة أخرى. يمكن استخدام هذه الفكرة نفسها في تحويل مقاطع الفيديو ذات التدرج الرمادي أو تلك القديمة إلى مقاطع ملونة مثل الأفلام القديمة ، ويمكن أن يساعد تلوين الفيديو كثيرًا في الأفلام وتسجيلات CCTV القديمة التي تسجل بالأبيض والأسود. قم بتغذية النموذج بمجموعة من الصور التي يمكن تحويلها إلى مشهد ملون نهائي. يمكن أن يساعد تلوين الفيديو كثيرًا في الأفلام وتسجيلات CCTV القديمة التي تسجل بالأبيض والأسود. قد يكون تحسين النموذج في المستقبل من خلال تغذية النموذج بمجموعة من الصور التي يمكن تحويلها إلى مشهد ملون نهائي.

List(s) this item appears in: CS D.G.P 2018 / 2019

Tags from this library: No tags from this library for this title. Log in to add tags.

Average rating: 0.0 (0 votes)

Holdings
Item type	Current library	Call number	Status	Date due	Barcode
Distinguished Graduation Projects	Centeral Library Soft Copy located on library Cataloge	GP280CS2019 (Browse shelf(Opens below))	Available		82207

Browsing Centeral Library shelves, Shelving location: Soft Copy located on library Cataloge Close shelf browser (Hides shelf browser)

Previous	No cover image available	No cover image available	No cover image available	No cover image available	No cover image available	No cover image available	No cover image available	Next
Previous	GP279CS2019 RECOMMENDATION SYSTEM FOR SOCIAL MEDIA USING SOCIAL NETWORK // GP // Dr. Nour Zawawi (2018 - 2019)	GP27Dent2019 Full Mouth Rehabilitation of Severely Mutilated Teeth for a Periodontally Compromised Patient // GP // Dr. MOHAMED MOKHTAR // Dr. MAHMOUD MOUSSA // Dr. MARK THARWAT ( 2018 - 2019 )	GP27ENG2018Electrical Engineering Multiband Compact Resonator using Dual Composite Right/ Left handed Transmission Line (D-CRLH TL)\\GP\\DR. Ahmed Fawzy ( 2017-2018 )	GP280CS2019 “Colorization Using Deep Convolution Neural Networks // GP // Dr. Ahmed Farouk (2018 - 2019)	GP281CS2019 Computer Aided System for Leukemia Disease // GP // Dr. Ahmed Farouk (2018 - 2019)	GP282CS2019 Prediction of thermal comfort by using machine learning // GP // Dr. Farid Ali // Dr. Yasmin Eid (2018 - 2019)	GP283CS2019 Flight Simulator with autopilot capabilities // GP // Dr. Ahmed Farouk (2018 - 2019)	Next

يتم تقديم تقنية عامة لتحويل الصور ذات التدرج الرمادي إلى صورة ملونة ، ولتحقيق ذلك
يلزم استخدام تقنية معينة للتنبؤ ببعض لون بكسل معين في الصورة بشكل تكيفي باستخدام
أساليب التعلم العميق. على الرغم من أن إضافة اللون إلى الصور ذات اللون الرمادي يمكن أن
يساعد في تحسين كل من المظهر البصري والتعبير. تم استكشاف بنى الشبكة المختلفة
والأهداف ومساحات الألوان وتركيبات المشكلات. تسمى الطريقة المستخدمة في هذه الورقة
الشبكة العصبية التلافيفية العميقة حيث لعبت دورًا بارزًا في معالجة الصور ورؤية الكمبيوتر.
يمكننا تدريب صورنا للحصول على صور ملونة تتكون من 3 قنوات. يتدرب المشروع في
الغالب على فراغ لوني مختلف عن كل الصور ، حيث يتم تحويل كل صورة إلى فراغ لوني L
* a * b * ويمر حسب النموذج الذي تم إنشاؤه. ينصب التركيز الرئيسي في هذا المشروع
على نموذجين مختلفين ، أحدهما لكل قناة متوقعة "a" و "b". يمكن أن تتغير خسارة القنوات
المتوقعة من فئة إلى فئة أخرى. يمكن استخدام هذه الفكرة نفسها في تحويل مقاطع الفيديو ذات
التدرج الرمادي أو تلك القديمة إلى مقاطع ملونة مثل الأفلام القديمة ، ويمكن أن يساعد تلوين
الفيديو كثيرًا في الأفلام وتسجيلات CCTV القديمة التي تسجل بالأبيض والأسود. قم بتغذية
النموذج بمجموعة من الصور التي يمكن تحويلها إلى مشهد ملون نهائي. يمكن أن يساعد تلوين
الفيديو كثيرًا في الأفلام وتسجيلات CCTV القديمة التي تسجل بالأبيض والأسود. قد يكون
تحسين النموذج في المستقبل من خلال تغذية النموذج بمجموعة من الصور التي يمكن تحويلها
إلى مشهد ملون نهائي.

There are no comments on this title.

to post a comment.

Click on an image to view it in the image viewer