Autoenkoderi za kompresiju slike

master's thesis

• Title (english): Autoencoders for image compression
• Author: Karlo Kada
• Mentor: Tomislav Petković (mentor)
• Committee member: Tomislav Petković (predsjednik povjerenstva)
• Committee member: Marko Subašić (član povjerenstva)
• Committee member: Juraj Petrović (član povjerenstva)
• Granter: University of Zagreb; Faculty of Electrical Engineering and Computing; Zagreb
• Defense date and country: 2024-07-11, Croatia

Abstract

Ovaj rad istražuje upotrebu stanjivajućih autoenkodera za kompresiju slika ljudskog lica. Rad istražuje performanse autoenkodera s različitim brojevima filtera po sloju, fokusirajući se na trening autoenkodera korištenjem više-razinskog indeksa strukturalne sličnosti (MS-SSIM) umjesto tradicionalnih metoda poput srednje kvadratne pogreške (MSE). Korištenjem testnog podskupa uzetog iz skupa „Human Faces“ objavljenog na Kaggleu, evaluira se sposobnost autoenkodera da proizvede rekonstrukcije slika visoke kvalitete, s posebnim naglaskom na percipiranu kvalitetu slike. Rezultati pokazuju da je MS-SSIM adekvatna metrika za treniranje autoenkodera za kompresiju slika. Jedno od mogućih poboljšanja ovog modela je proširivanje funkcije gubitka za učenje modela mjerom krominancije kako bi se pospješila reprodukcija boje.

Abstract (english)

This thesis explores the use of slimmable compressive autoencoders for the compression of human face images. The thesis investigates the performance of autoencoders with varying numbers of filters per layer, focusing on training using the multi-scale structural similarity index measure (MS-SSIM) instead of traditional metrics like the mean squared error (MSE). By utilizing a subset of the “Human Faces” dataset published on Kaggle, the autoencoder's ability to produce high-quality image reconstructions is evaluated both quantitatively and qualitatively, with a particular emphasis on perceptual image quality. The findings demonstrate that MS-SSIM is an adequate metric for training autoencoders for image compression. Possible enhancement of the model could be the inclusion of a chrominance term in the training loss function to facilitate better color reproduction.

• Keywords: autoenkoderi; kompresija slike; konvolucijske neuronske mreže
• Keywords (english): autoencoders; image compression; convolutional neural networks
• Language: english
• URN:NBN: urn:nbn:hr:168:107786
• Study programme: Title: Computing; Study programme type: university; Study level: graduate; Academic / professional title: magistar/magistra inženjer/inženjerka računarstva (magistar/magistra inženjer/inženjerka računarstva)
• Type of resource: Text
• File origin: Born digital
• Access conditions: Closed access
• Created on: 2024-10-12 21:00:53