Subscribe to the gold package and get unlimited access to Shamra Academy
Register a new userرفع دقة صورة باستخدام شبكة عصبونية خُصُومية
938
1 71
0
(
0
)
Created by
Nour Eddin Ramadan
Ask ChatGPT about the research
مهمة إنشاء صورة عالية الدقة من نظيرتها منخفضة الدقة تُدعى SR (Super-Resolution). تلقت الـ SR اهتماماً كبير ضمن مجتمع الباحثين في مجال الرؤية الحاسوبية، كما أنً لها مجال واسع من التطبيقات[1, 2, 3]، كتحسين دقة الفيديوهات القديمة، تحسين فيديوهات المراقبة حيث تكون دقة هذه الفيديوهات منخفضة بسبب أحجامها الكبيرة، كما أن لها أهمية كبيرة في مجال التشخيص الطبي حيث أن دقة الكميرات التي تدخل جسم الإنسان منخفضة و يتعثر على الأطباء في كثير من الحالات التشخيص بسبب انخفاض جودة الصور و لها تطبيقات عديدة أيضاً في مجال الصور القادمة من الأقمار الصناعية فهذه الصور كذلك تكون ذات دقة منخفضة في أغلب الأحيان.
No English abstract
References used
[2016]Image super-resolution: The techniques, applications, and future Linwei Yue a , Huanfeng Shen b,c,n , Jie Li a , Qiangqiang Yuan c,d , Hongyan Zhang a,c , Liangpei Zhang a,c,n
Artificial intelligence review:
Research summary
تتناول هذه الورقة البحثية مهمة رفع دقة الصور منخفضة الدقة باستخدام الشبكات العصبونية الخصومية (GAN). تعتبر هذه المهمة مهمة جداً في مجالات متعددة مثل تحسين جودة الفيديوهات القديمة وفيديوهات المراقبة والتشخيص الطبي وصور الأقمار الصناعية. بالرغم من التقدم الملحوظ في استخدام الشبكات العصبونية الالتفافية (CNN) في هذا المجال، إلا أن هناك مشكلة أساسية في استرجاع التفاصيل الدقيقة عند استخدام عوامل تكبير كبيرة. تعتمد الشبكات الحالية بشكل رئيسي على دالة الهدف التي تركز على خفض قيمة تابع خطأ إعادة التشكيل التربيعي، مما يؤدي إلى فقدان التفاصيل الدقيقة في الصور الناتجة. في هذا البحث، تم تقديم شبكة عصبونية خصومية تُدعى SRGAN، والتي تهدف إلى تحسين جودة الصور الناتجة باستخدام تابع خطأ إدراكي يعتمد على التشابه الإدراكي بدلاً من التشابه على مستوى البيكسل. أظهرت نتائج الاختبارات تحسينات كبيرة في الدقة الإدراكية باستخدام SRGAN مقارنةً بأفضل الأدوات الحالية في هذا المجال. تم تدريب النموذج باستخدام مجموعة بيانات كبيرة وتم تقييمه باستخدام اختبارات وسطي الآراء التي أظهرت أن الصور الناتجة أقرب إلى الصور عالية الدقة من حيث الجودة.
Critical review
تعتبر هذه الورقة البحثية خطوة مهمة في مجال رفع دقة الصور باستخدام الشبكات العصبونية الخصومية، إلا أن هناك بعض النقاط التي يمكن تحسينها. أولاً، قد يكون من المفيد تقديم مقارنة أكثر تفصيلية بين SRGAN والنماذج الأخرى من حيث الأداء والوقت المستغرق في التدريب. ثانياً، يمكن تحسين الشرح المتعلق ببنية الشبكة وتابع الخطأ الإدراكي لتكون أكثر وضوحاً للقارئ. ثالثاً، يمكن توسيع نطاق التجارب لتشمل تطبيقات عملية أخرى مثل تحسين جودة الصور في الوقت الحقيقي. على الرغم من هذه النقاط، فإن البحث يقدم مساهمة قيمة في تحسين جودة الصور باستخدام تقنيات الذكاء الاصطناعي.
Questions related to the research
-
ما هي المشكلة الأساسية التي تعاني منها الشبكات العصبونية الالتفافية في رفع دقة الصور؟
المشكلة الأساسية هي استرجاع التفاصيل الدقيقة لمكونات الصورة عند استخدام عوامل تكبير كبيرة.
-
ما هو الهدف الرئيسي من استخدام تابع الخطأ الإدراكي في SRGAN؟
الهدف هو تحسين جودة الصور الناتجة باستخدام تابع خطأ يعتمد على التشابه الإدراكي بدلاً من التشابه على مستوى البيكسل.
-
ما هي التطبيقات العملية التي يمكن أن تستفيد من تحسين دقة الصور باستخدام SRGAN؟
التطبيقات تشمل تحسين جودة الفيديوهات القديمة، فيديوهات المراقبة، التشخيص الطبي، وصور الأقمار الصناعية.
-
كيف تم تقييم أداء نموذج SRGAN في هذه الورقة البحثية؟
تم تقييم الأداء باستخدام اختبارات وسطي الآراء التي أظهرت أن الصور الناتجة أقرب إلى الصور عالية الدقة من حيث الجودة.
rate research
Read More
Modelling the relationship between drinking water turbidity and other indicators of water
quality in Al-Sin drinking water purification plant using Dynamic Artificial neural
networks could help in the implementation of the stabilization for the per
formance of the
plant because these neural networks provide efficient tool to deal with the complex,
dynamic and non-linear nature of purification processes. They have the ability to response
to various instant changes in parameters influencing water purification.
In this research, four models of feed-forward back-propagation dynamic neural network
were designed to predict the effluent turbidity from Al-Sin drinking water purification
plant. The models were built based on turbidity, pH and conductivity of raw water data
while the effluent turbidity data were used for verify the performance accuracy of each
network. The results of this research confirm the ability of dynamic neural networks in
modeling and simulating the non-linearity behavior of water turbidity as well as to predict
its values. They can be used in Al-Sin drinking water purification plant in order to achieve
the stabilization of its performance.
Pronunciation lexicons and prediction models are a key component in several speech synthesis and recognition systems. We know that morphologically related words typically follow a fixed pattern of pronunciation which can be described by language-spec
ific paradigms. In this work we explore how deep recurrent neural networks can be used to automatically learn and exploit this pattern to improve the pronunciation prediction quality of words related by morphological inflection. We propose two novel approaches for supplying morphological information, using the word's morphological class and its lemma, which are typically annotated in standard lexicons. We report improvements across a number of European languages with varying degrees of phonological and morphological complexity, and two language families, with greater improvements for languages where the pronunciation prediction task is inherently more challenging. We also observe that combining bidirectional LSTM networks with attention mechanisms is an effective neural approach for the computational problem considered, across languages. Our approach seems particularly beneficial in the low resource setting, both by itself and in conjunction with transfer learning.
External syntactic and semantic information has been largely ignored by existing neural coreference resolution models. In this paper, we present a heterogeneous graph-based model to incorporate syntactic and semantic structures of sentences. The prop
osed graph contains a syntactic sub-graph where tokens are connected based on a dependency tree, and a semantic sub-graph that contains arguments and predicates as nodes and semantic role labels as edges. By applying a graph attention network, we can obtain syntactically and semantically augmented word representation, which can be integrated using an attentive integration layer and gating mechanism. Experiments on the OntoNotes 5.0 benchmark show the effectiveness of our proposed model.
This research deals with the modeling of a Multi-Layers Feed Forward Artificial Neural
Networks (MLFFNN), trained using Gradient Descent algorithm with Momentum factor &
adaptive learning rate, to estimate the output of the neural network correspon
ding to the
optimal Duty Cycle of DC-DC Boost Converter to track the Maximum Power Point of
Photovoltaic Energy Systems. Thus, the DMPPT-ANN “Developed MPPT-ANN”
controller proposed in this research, independent in his work on the use of electrical
measurements output of PV system to determine the duty cycle, and without the need to
use a Proportional-Integrative Controller to control the cycle of the work of the of DC-DC
Boost Converter, and this improves the dynamic performance of the proposed controller to
determine the optimal Duty Cycle accurately and quickly. In this context, this research
discusses the optimal selection of the proposed MLFFNN structure in the research in terms
of determining the optimum number of hidden layers and the optimal number of neurons in
them, evaluating the values of the Mean square error and the resulting Correlation
Coefficient after each training of the neural network. The final network model with the
optimal structure is then adopted to form the DMPPT-ANN Controller to track the MPP
point of the PV system. The simulation results performed in the Matlab / Simulink
environment demonstrated the best performance of the proposed DMPPT-ANN controller
based on the MLFFNN neural network model, by accurately estimating the Duty Cycle and
improving the response speed of the PV system output to MPP access, , as well as finally
eliminating the resulting oscillations in the steady state of the Power response curve of PV
system compared with the use of a number of reference controls: an advanced tracking
controller MPPT-ANN-PI based on ANN network to estimate MPP point voltage with
conventional PI controller, a MPPT-FLC and a conventional MPPT-INC uses the
Incremental Conductance technique INC
New intelligent neural network built in an expert system has been designed
to parse Arabic Language. Arabic sentences have been studied and
analyzed, also classified into new syntactical fields. Each syntactical field
consists of essential sentenc
e components; verb, object, ….All emerging
Arabic sentences have been calculated and detailed into verbal and noun
fields.
Log in to be able to interact and post comments
comments
Fetching comments
Sign in to be able to follow your search criteria
