Primjena neuronskih mreža u sustavima za kompresiju slike

diplomski rad

• Naslov (engleski): Application of neural networks in image compression system
• Autor: Lovro Lešić
• Mentor: Sonja Grgić (mentor)
• Član povjerenstva: Sonja Grgić (predsjednik povjerenstva)
• Član povjerenstva: Marko Bosiljevac (član povjerenstva)
• Član povjerenstva: Dario Bojanjac (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2024-09-20, Hrvatska

Sažetak

U radu je istaknuta važnost kompresije slike u modernom digitalnom svijetu, s obzirom na rastuću potrebu za pohranjivanjem i prijenosom velike količine vizualnih podataka. Objašnjeni su tradicionalni postupci kompresije, poput JPEG, GIF i PNG formata, s naglaskom na njihove prednosti, nedostatke, te matematičke modele i algoritme koji ih podržavaju.
Temeljni dio ovog rada usmjeren je na istraživanja u području neuronskih mreža – vrste neuronskih mreža, njihove arhitekture i funkcije, te način na koji se mogu iskoristiti za izvedbu i poboljšanje sustava za kompresiju slike.
Provedena je implementacija neuronske mreže, utemeljene na modelu konvolucijskog autoenkodera. Model je treniran s ciljem što boljeg generiranja kvantitativnih metrika za ocjenu kvalitete slike, poput PSNR i SSIM. Na kraju su prikazani kvantitativni rezultati, vizualni prikazi originalnih i rekonstruiranih slika, te je proces treniranja modela kroz epohe predstavljen u tabličnom obliku.

Sažetak (engleski)

The thesis highlights the importance of image compression in the modern digital world, given the growing need for storing and transmitting large amounts of visual data. Traditional compression methods such as JPEG, GIF, and PNG are explained, emphasizing their advantages, disadvantages, and the mathematical models and algorithms that support them.
The core of this paper focuses on research in the field of neural networks – the types of neural networks, their architectures and functions, and how they can be utilized to develop and improve image compression systems.
The implementation of a neural network based on a convolutional autoencoder model has been carried out. The model was trained with the goal of generating accurate quantitative metrics for assessing image quality, such as PSNR and SSIM. Finally, quantitative results are presented, along with visual comparisons of original and reconstructed images, and the training process of the model through epochs is displayed in tabular form.

• Ključne riječi: kompresija slike; neuronske mreže; ekstrakcija značajki; smanjenje dimenzionalnosti; kvantizacija; autoenkoder; optimizacija kompresije; kvaliteta slike; stupanj kompresije; SSIM; PSNR
• Ključne riječi (engleski): image compression; neural networks; feature extraction; dimensionality reduction; quantization; autoencoder; compression optimization; image quality; compression ratio; SSIM; PSNR
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:674678
• Studijski program: Naziv: Informacijska i komunikacijska tehnologija; Vrsta studija: sveučilišni; Stupanj studija: diplomski; Akademski / stručni naziv: magistar/magistra inženjer/inženjerka informacijske i komunikacijske tehnologije (mag. ing. inf. et comm. techn.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Zatvoreni pristup
• Datum i vrijeme pohrane: 2024-10-12 21:18:48