Generowanie obrazów za pomocą generatywnych sieci współzawodniczących

master
dc.abstract.enThe purpose of this study is to train a Conditional GAN neural network on a dataset of images, so that the learned network would be able to generate new images. The final network should also be able to generate images belonging to a specific class. Another goal of the work is to study the effect of changing theresolution of the training images or changing the values of hyperparameters such as dropout rate and learning rate, on the results returned by the trained CGAN network. At the beginning of the paper is presented theory related to neural networks and GANs. The next section provides information on the research methodology, software and hardware used in the work. The next section of the paper presents the most important code snippetsused to create and train the GAN network. The last chapter consists of a presentation of the results of teaching the various networks, along with a discussion and conclusions drawn from teaching the networks.pl
dc.abstract.plCelem pracy jest wytrenowanie sieci neuronowej Conditional GAN na zbiorze danych w postaci obrazów, tak aby wyuczona sieć była w stanie generować nowe obrazy. Końcowa sieć powinna również być w staniegenerować obrazy należące do konkretnej klasy. Kolejnym celem pracy jest zbadanie wpływu zmiany rozdzielczości obrazów treningowych lub zmiany wartości hiperparametrów takich jak współczynnik dropout i współczynnik uczenia, na rezultaty zwracane przez wytrenowaną sieć CGAN. Na początku pracy omówiona jest teoria związana sieciami neuronowymi i sieciami GAN. Kolejny rozdział zawiera informację o metodyce badań, oprogramowaniu i sprzęcie użytym w pracy. Następna część pracy przedstawia najważniejsze fragmenty kodu wykorzystanego do stworzenia i wytrenowania sieci GAN. Ostatni rozdział składa się z przedstawienia rezultatów uczenia różnych sieci, wraz z omówieniem i wnioskami płynącymi z uczenia sieci.pl
dc.affiliationUniwersytet Jagielloński w Krakowiepl
dc.contributor.advisorUrbańczyk, Tomaszpl
dc.contributor.authorBuczek, Kamilpl
dc.contributor.departmentbycodeUJK/UJKpl
dc.contributor.reviewerUrbańczyk, Tomaszpl
dc.contributor.reviewerPaszyńska, Anna - 160672 pl
dc.date.accessioned2022-10-21T21:44:05Z
dc.date.available2022-10-21T21:44:05Z
dc.date.submitted2022-09-23pl
dc.fieldofstudyinformatyka gier komputerowychpl
dc.identifier.apddiploma-159603-228032pl
dc.identifier.urihttps://ruj.uj.edu.pl/xmlui/handle/item/302335
dc.languagepolpl
dc.subject.enGenerative Adversarial Networks, GAN, CGAN, hyperparameters, image generationpl
dc.subject.plGeneratywne sieci współzawodniczące, GAN, CGAN, hiperparametry, generowanie obrazówpl
dc.titleGenerowanie obrazów za pomocą generatywnych sieci współzawodniczącychpl
dc.title.alternativeGenerating images using generative adversarial networkspl
dc.typemasterpl
dspace.entity.typePublication
dc.abstract.enpl
The purpose of this study is to train a Conditional GAN neural network on a dataset of images, so that the learned network would be able to generate new images. The final network should also be able to generate images belonging to a specific class. Another goal of the work is to study the effect of changing theresolution of the training images or changing the values of hyperparameters such as dropout rate and learning rate, on the results returned by the trained CGAN network. At the beginning of the paper is presented theory related to neural networks and GANs. The next section provides information on the research methodology, software and hardware used in the work. The next section of the paper presents the most important code snippetsused to create and train the GAN network. The last chapter consists of a presentation of the results of teaching the various networks, along with a discussion and conclusions drawn from teaching the networks.
dc.abstract.plpl
Celem pracy jest wytrenowanie sieci neuronowej Conditional GAN na zbiorze danych w postaci obrazów, tak aby wyuczona sieć była w stanie generować nowe obrazy. Końcowa sieć powinna również być w staniegenerować obrazy należące do konkretnej klasy. Kolejnym celem pracy jest zbadanie wpływu zmiany rozdzielczości obrazów treningowych lub zmiany wartości hiperparametrów takich jak współczynnik dropout i współczynnik uczenia, na rezultaty zwracane przez wytrenowaną sieć CGAN. Na początku pracy omówiona jest teoria związana sieciami neuronowymi i sieciami GAN. Kolejny rozdział zawiera informację o metodyce badań, oprogramowaniu i sprzęcie użytym w pracy. Następna część pracy przedstawia najważniejsze fragmenty kodu wykorzystanego do stworzenia i wytrenowania sieci GAN. Ostatni rozdział składa się z przedstawienia rezultatów uczenia różnych sieci, wraz z omówieniem i wnioskami płynącymi z uczenia sieci.
dc.affiliationpl
Uniwersytet Jagielloński w Krakowie
dc.contributor.advisorpl
Urbańczyk, Tomasz
dc.contributor.authorpl
Buczek, Kamil
dc.contributor.departmentbycodepl
UJK/UJK
dc.contributor.reviewerpl
Urbańczyk, Tomasz
dc.contributor.reviewerpl
Paszyńska, Anna - 160672
dc.date.accessioned
2022-10-21T21:44:05Z
dc.date.available
2022-10-21T21:44:05Z
dc.date.submittedpl
2022-09-23
dc.fieldofstudypl
informatyka gier komputerowych
dc.identifier.apdpl
diploma-159603-228032
dc.identifier.uri
https://ruj.uj.edu.pl/xmlui/handle/item/302335
dc.languagepl
pol
dc.subject.enpl
Generative Adversarial Networks, GAN, CGAN, hyperparameters, image generation
dc.subject.plpl
Generatywne sieci współzawodniczące, GAN, CGAN, hiperparametry, generowanie obrazów
dc.titlepl
Generowanie obrazów za pomocą generatywnych sieci współzawodniczących
dc.title.alternativepl
Generating images using generative adversarial networks
dc.typepl
master
dspace.entity.type
Publication
Affiliations

* The migration of download and view statistics prior to the date of April 8, 2024 is in progress.

Views
20
Views per month
Views per city
Gliwice
7
Borkowo Lostowickie
2
Warsaw
2
Gmina Końskie
1
Krakow
1
Krynica-Zdroj
1
Lubosz Stary
1
Shanghai
1
Siemianowice Śląskie
1

No access

No Thumbnail Available
Collections