Neuronová komprese obrázku v Pythonu

24.10.2005 23:58 | Ostatní | poslední úprava: 12.1.2007 18:23

Prozkoumal jsem možnosti balíku SNNS (Stuttgart Neural Network Simulator) a jeho rozhraní v jazyce Python tak, že jsem vytvořil krátký program na vytvoření neuronové sítě a metodou Backpropagation jsem síť naučil na identické bloky o velikosti 8 x 8 pixelů z jednoho konkrétního obrázku. Po naučení jsem síti předložil postupně celý obrázek (po blocích) a zrekonstruoval výstup sítě zpět, jako obraz. Výsledkem je obrázek, který koresponduje se známými metodami ztrátové komprese pomocí neuronových sítí.

Více...        

Komentáře

[Jiří P.]

velice zajimave... Myslite, ze pujde lepe ridit stupen komprese? To ale bude pravdepodobne predmetem dalsiho badani... Dost by me zajimala moznost zvyseni max. kvality komprese, ale jak jsem pochopil, tak algoritmus konverguje. Mohla by byt resenim zmena struktury NS?

[Lukáš Zapletal]

Dobrý den,

stupeň můžete řídit velmi snadno - počtem prvků ve skryté (prostřední) vrtstvě. Já jsem použil 16 neuronů, můžete zkusit schválně počet zvýšit nebo snížit - výsledky by mohly být zajímavé.

Dále lze použít n-bitovou kvantizaci u ukládání obrázku ve zkomprimované podobě. Tzn převod reálných čísel na intervaly. To je ale dost hrubé dělení, jemnější se pak myslím dá dělat u vylepšených verzí (například intenzita nějakého preprocessingu obrázku).

[Jiří (BoodOk) Kadeřávek]

Jestli tomu dobre rozumim. Stredni vrstva neuronu reprezentuje obrazek, ktery nese 64x mene bitu. Tedy se se jedna o ctverecky 8x8 pixelu z puvodniho obrazku reprezentovane 1 bytem informace (pokud je napr. obrazek v 256 urovnich sedi)? A pokud ano, jak dopadli testy s neznamymi obrazky privedenymi na stredni vrstvu (jedna se o sit s doprednym sireni)?

[Lukáš Zapletal]

Jeden blok je reprezentovan 64 bajty, pomoci stredni vrstvy je pak preveden na 16 realnych cisel, ktere mohou byt ulozeny s ruznym kodovanim. Napriklad pro ulozeni jednoho realneho cisla do 8 bitu ziskavame usporu 1:4. Typicky se pouziva bitu mene.

Schopnost generalizace je u neuronovych siti dobry (viz ten java applet v odkazech). Zalezi ovsem, na jaky obrazek sit naucite. Pokud napriklad na oblicej, pak dalsi obliceje budou docela zretelne, horsi uz to bude na naprosto jiny typ obrazku. Pak by to dopadlo, jako pri pouziti jen nekolika cyklu.

[Jiří (BoodOk) Kadeřávek]

Diky. Myslim si, ze zajimavejsi experiment by predstavovalo predlozeni serie obrazku s pouze jednim avsak pokazde jinym oblicejem. Zdali by totiz sit s doprednym sirenim byla schopna extremne vysoke komprese napr. fotografii na pas.