1. Pantheon
  2. Trabalhos Acadêmicos e Técnicos
  3. Trabalhos de Conclusão de Curso de Graduação
  4. Engenharia de Controle e Automação
Por favor, use este identificador para citar o enlazar este ítem: http://hdl.handle.net/11422/17972
Especie: Trabalho de conclusão de graduação
Título : Aplicação de redes neurais convolucionais densamente conectadas no processamento digital de imagens para remoção de ruído gaussiano
Otros títulos: application of densely connected convolutional neural networks in digital image processing to remove Gaussian noise
Autor(es)/Inventor(es): Mazza, Leonardo Oliveira
Tutor: Mello, Flavio Luis de
Tutor : Almeida, Heraldo Luís Silveira de
Resumen: Este trabalho propõe uma aplicação de uma rede neural convolucional profunda em remoção de ruído gaussiano de imagens. Redes profundas têm obtido êxito em diversas tarefas de classificação e regressão. Em particular, a Rede Neural Convolucional Densamente Conectada tˆem apresentado resultados competitivos em bases de dados padrão usadas em medidas de desempenho. Por isso, essa rede foi escolhida como modelo de regressão com o objetivo de remoção de ruído gaussiano. A metodologia para treinamento da rede foi iniciada pela cria¸c˜ao de uma base de dados de imagens ruidosas. Essas imagens foram, então, colocadas na entrada da rede para filtragem e a saída foi comparada com a versão sem ruído a partir de uma função custo. Os parâmetros da rede foram, em seguida, alterados a partir de um método baseado em descida de gradiente a fim de minimizar o custo. Dessa forma, a rede treinada aprende a remover o ruído aplicado. O resultado final, comparado a outros métodos, possuiu melhores indicadores de desempenho em duas das três imagens de teste e obteve resultados próximos em uma terceira. Durante a filtragem com ruído de variância 400, as imagens Lena e Boats obtiveram SSIM de 0.84 e 0.83 respectivamente. Na imagem Lena, o resultado foi 0.05 superior ao método GSM e na imagem Boats 0.02 superior ao m´etodo SVR, ambos o segundo melhor método em cada imagem. Na imagem Barbara, o resultado foi o segundo melhor com SSIM 0.84, 0.02 inferior ao método GSM.
Materia: Redes Neurais Artificiais
Redes Neurais Convolucionais Profunda
Processamento de Imagens
Materia CNPq: CNPQ::ENGENHARIAS
Unidade de producción: Escola Politécnica
Editor: Universidade Federal do Rio de Janeiro
Fecha de publicación: feb-2017
País de edición : Brasil
Idioma de publicación: por
Tipo de acceso : Acesso Aberto
Aparece en las colecciones: Engenharia de Controle e Automação

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
monopoli10019807.pdf3.94 MBAdobe PDFVisualizar/Abrir
Mostrar el registro Dublin Core completo del ítem Recomiende este ítem View Statistics


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.