چکیده مقاله
رنگی سازی خودکار تصاویر فرآیندی است که تصاویر تک رنگ را به تصاویر رنگی تبدیل می کند و از تکنیک های یادگیری عمیق مانند شبکه های عصبی کانولوشنی و شبکه های مولد تخاصمی بهره می برد این پژوهش به ارزیابی روش های رنگی سازی خودکار با استفاده از زیر مجموعه ای از دیتاست ۱۰ CIFAR، شامل ۱۰،۰۰۰ تصویر رنگی ۳۲×۳۲ پیکسل ۸،۰۰۰ تصویر آموزشی و ۲،۰۰۰ تصویر آزمایشی در ۱۰ کلاس می پردازد دو رویکرد اصلی مبتنی بر شبکه های عصبی کانولوشنی و شبکه های مولد تخاصمی آزمایش شدند و عملکرد آن ها با معیارهای کمی مانند نسبت اوج سیگنال به نویز، شباهت ساختاری و دقت پیکسلی ارزیابی شد نتایج نشان داد که مدل های مولد تخاصمی با میانگین نسبت اوج سیگنال به نویز ۵ ۲۴ دسی بل و شباهت ساختاری ۰ ۸۸ در مقایسه با مدل های کانولوشنی میانگین نسبت اوج سیگنال به نویز ۲۱ ۳ دسی بل و شباهت ساختاری ۰ ۸۲ ، عملکرد بهتری در تولید رنگ های واقع گرایانه دارند با این حال، ناپایداری آموزش این مدل ها چالش اصلی این پژوهش بود رویکرد پیشنهادی از فضای رنگی CIE Lab استفاده کرد، جایی که کانال روشنایی به عنوان ورودی و کانال های کرومینانس به عنوان خروجی پیش بینی شدند ترکیب معماری های کانولوشنی و مولد تخاصمی بهبود هایی در کیفیت بصری و معیارهای کمی نشان داد این مطالعه پیشنهاد می کند که استفاده از مدل های ترکیبی و بهینه سازی های پیشرفته می تواند کیفیت رنگی سازی را تا حد قابل قبولی بهبود بخشد
کلیدواژهها
نویسندگان
شیما مهدیان
کارشناس ارشد هوش مصنوعی و رباتیک دانشگاه پاسارگاد، شیراز، ایران
شیوه ارجاع
مهدیان، شیما،1404،ارزیابی رنگی سازی خودکار تصاویر با استفاده از داده های ۱۰-CIFAR،یازدهمین کنفرانس بین المللی تحقیقات بین رشته ای در مهندسی برق، کامپیوتر، مکانیک و مکاترونیک در ایران و جهان اسلام،تهران
ارائهشده در
مجموعه مقالات یازدهمین کنفرانس بین المللی تحقیقات بین رشته ای در مهندسی برق، کامپیوتر، مکانیک و مکاترونیک در ایران و جهان اسلام31 شهریور 1404 · تهران