Rekonstrukcja zdjęć twarzy z wykorzystaniem systemu uczenia maszynowego

• Autorzy: Citko Wiesław , Trzebiatowski Adam , Sieńko Wiesław

Identyfikatory

DOI

10.15199/48.2021.12.40

Warianty tytułu

EN

Face image reconstructions by using machine learning system

• Języki publikacji: PL

Abstrakty

PL

W pracy przedstawiono możliwości zastosowania autorskiego modelu systemu uczenia maszynowego do rekonstrukcji i rozpoznawania zniekształconych, względnie uszkodzonych wzorców, a w szczególności obrazów twarzy zakrytych częściowo maskami. Prezentowane rozważania nie stanowią końcowych rozwiązań na poziomie aplikacyjnym dla systemu przetwarzania obrazów. Należy je raczej traktować jako potwierdzenie zasady (proof-of-concept) i uzasadnienie dalszych badań nad wykorzystaniem systemów opartych na superpozycji wzorców.

EN

The paper presents the possibilities for using a proprietary model of a machine learning system for the reconstruction and recognition of distorted or damaged patterns, in particular the images of faces partially covered with masks. The presented considerations do not constitute final solutions at the application level for an image processing system. Rather, they should be treated as a proof-of-concept and a justification for developing solutions using systems based on pattern superposition.

Słowa kluczowe

PL

sztuczna inteligencja; uczenie maszynowe; rozpoznawanie obrazów; rekonstrukcja obrazów

EN

artificial intelligence; machine learning; image reconstruction; image recognition

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2021
• Tom: R. 97, nr 12
• Strony: 191--194
• Opis fizyczny: Bibliogr. 4 poz., rys., tab.

Twórcy

autor

Citko Wiesław

• Uniwersytet Morski Gdynia, Wydział Elektryczny, ul. Morska 81-87, 81-225 Gdynia

• https://orcid.org/0000-0003-3517-4046

autor

Trzebiatowski Adam

• Politechnika Gdańska, Wydział Elektroniki, Telekomunikacji i Informatyki, ul. G.Narutowicza 11/12, 80-233 Gdańsk

• https://orcid.org/0000-0003-0219-6521

autor

Sieńko Wiesław

• Uniwersytet Morski Gdynia, Wydział Elektryczny, ul. Morska 81-87, 81-225 Gdynia

• https://orcid.org/0000-0003-2941-2415

Bibliografia

• [1] Citko W., Sienko W., Hamiltonian and Q-Inspired Neural Network-Based Machine Learning, IEEE Access, vol.8 (2020), 220437-220449, doi: 10.1109/ACCESS.2020.3043035
• [2] Ravishankar S., Ye J. C., Fessler J. A., Image Reconstruction: From Sparsity to Data-Adaptive Methods and Machine Learning, Proceedings of the IEEE, vol.108, no.1 -(2020), 86- 109, doi: 10.1109/JPROC.2019.2936204
• [3] Kaderuppan S. S., Wong W. W. L., Sharma A., Woo W. L., Smart Nanoscopy: A Review of Computational Approaches to Achieve Super-Resolved Optical Microscopy, IEEE Access, vol.8 (2020), 214801-214831, doi: 10.1109/ ACCESS.2020.3040319
• [4] Gonzales R. C., Woods R. E., Digital Image Processing, Pearson International Edition, 2008.

Uwagi

Opracowanie rekordu ze środków MNiSW, umowa Nr 461252 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2021).