Képzaj szűrése mély neurális hálókkal

Kovács Zoltán (2025) Képzaj szűrése mély neurális hálókkal. Pénzügyi és Számviteli Kar.

	PDF Képzaj szűrése mély neurális hálókkal.pdf Hozzáférés joga: Csak nyilvántartásba vett egyetemi IP címekről nyitható meg Download (4MB)
	Archive (ZIP) Melléklet.zip Hozzáférés joga: Csak nyilvántartásba vett egyetemi IP címekről nyitható meg Download (39MB)
	PDF Biralati lap Kovács Zoltán.pdf Hozzáférés joga: Bizalmas dokumentum (bírálat) Download (143kB)

Absztrakt (kivonat)

A képzaj jelenléte számos problémát okoz a digitális képfeldolgozás során, ezért hatékony zajszűrési módszerekre van szükség. A szakdolgozat célja a digitális képek zajszűrésére alkalmazható mély neurális hálózati modellek áttekintése és összehasonlítása, különös tekintettel arra, hogy a tanítóadatok jellege és a hálózat architektúrája hogyan befolyásolja a rekonstrukció minőségét. A dolgozat első részében röviden ismertetem a klasszikus zajszűrési módszereket, és azok hiányosságaiból kiindulva bemutatom a mély neurális hálós zajszűrő modellek szükségességét. Ismertetem a neurális hálók alapjait és bemutatok három zajszűrésre szánt architektúrát. Megvizsgálom, hogy hogyan befolyásolja a tanításhoz használt adathalmazok jellege egy általam felépített U-Net modell teljesítményét, és összevetem ezeket két előre tanított (DnCNN és RIDNet) modellel. A dolgozat megmutatja, hogy az általános képeken tanított modell felhasználhatósági köre a legtágabb, ugyanakkor specifikus adathalmazokkal történő tanítással szűk alkalmazási területekben jobb eredmény érhető el, de azon kívül az ilyen modellek torzítanak. A kutatás rávilágít arra, hogy a tanítóadatok jellege és a paraméterek megválasztása kulcsfontosságú a neurális hálók tanításánál.

Intézmény

Budapesti Gazdasági Egyetem

Kar

Pénzügyi és Számviteli Kar

Tudományterület/tudományág

NEM RÉSZLETEZETT

Szak

Gazdaságinformatikus

Mű típusa:	diplomadolgozat (NEM RÉSZLETEZETT)
Kulcsszavak:	dncnn, gépi tanulás, keras, képfeldolgozás, konvolúciós háló, neurális hálózatok, Python, ridnet, tensorflow, u-net, zajszűrés
SWORD Depositor:	User Archive
Felhasználói azonosító szám (ID):	User Archive
Rekord készítés dátuma:	2026. Júl. 09. 11:08
Utolsó módosítás:	2026. Júl. 09. 11:08

Actions (login required)

Tétel nézet