Развитие нейросетевых методов повышения качества передачи цифровых изображений в интеллектуальных видеосистемах

Объектом исследования являются новые нейросетевые методы повышения качества передачи цифровых изображений в интеллектуальных видеосистемах. Цель работы – развитие интеллектуальных видеосистем с высоким качеством передачи и хранения цифровых изображений. За период выполнения НИР получены следующие научные результаты: разработан метод и ПО глубокого обучения нейронных сетей отличающийся от известных способов адаптивной настройки сети в зависимости от класса идентифицированных блоков изображения; разработана оптимальная архитектура нейросетевого классификатора; разработан оригинальный алгоритм сжатия, позволяющий минимизировать ошибки квантования; разработаны и исследованы новые модели: автоэнкодер (AE) и сверточная нейронная сеть (CNN); результаты исследований моделей AE и CNN привели к созданию нового метода, позволяющего выполнять коррекцию изображений с высоким качеством; экспериментальные результаты сравнения новых моделей с известными доказали преимущества новых моделей; на основании модифицированного алгоритма сжатия и нейросетевого корректора разработаны новые конвертеры фото и видеоизображений; разработан и реализован макетный образец видеосистемы на кристалле. Степень внедрения – программные и аппаратные модули в составе системы цифровой обработки, анализа и передачи изображений с высоким качеством. Эффективность применения заключается в повышении качества обработки и передачи цифровых изображений в интеллектуальных видеосистемах. По результатам исследований было подготовлено 1 научный доклад, 2 публикации РИНЦ, 6 публикаций Scopus и Web of Science.