Skip to content
New issue

Have a question about this project? Sign up for a free GitHub account to open an issue and contact its maintainers and the community.

By clicking “Sign up for GitHub”, you agree to our terms of service and privacy statement. We’ll occasionally send you account related emails.

Already on GitHub? Sign in to your account

Image inpainting #20

Open
BoKna031 opened this issue Mar 23, 2024 · 3 comments
Open

Image inpainting #20

BoKna031 opened this issue Mar 23, 2024 · 3 comments
Assignees
Labels
odobreno Odobren projekat

Comments

@BoKna031
Copy link

Tim:
Božidar Arsić E2 82/2021

Github repozitorijum: https://github.com/BoKna031/Image_inpainting

Definicija problema:
Image inpainting je proces digitalne obrade slika u kojem se oštećene ili nedostajuće delove slike obnavljaju na temelju okolnih informacija ili referenci. Cilj je obnoviti nedostajuće dijelove slike na način koji je vizualno dosledan i koji zadržava kontekst i strukturu originalne slike. Oštećenja mogu biti rezultat različitih problema poput oštećenja na fotografijama, uklanjanja objekata iz slike ili bilo kakvih drugih vrsta nedostataka. Algoritmi za image inpainting koriste se u različitim područjima, uključujući računarski vid, digitalnu obradu slika i grafiku.

Skup podataka:
Za skup podataka se korsiti https://www.kaggle.com/datasets/amanara/photos

U navedenom skupu se nalaze odvojeni trening I test skup slika. Test skup sadrži oko 210 slika, dok trening skup sadrži po 1750 za svaku od 4 klase životinja (mačka, pas, slon I tigar). Skup podataka sadrži originalne slike, maskirane slike I pozicije na kojima se maska nalazi.

Metodologija:
U projektu će se uporediti rezultati dva modela CNN I RNN tako što će se prvobitno određeni delovi slike maskirati.

Metod evaluacije:
Poređenje se radi koristeći dve vrste funkcija gubitka, obe se računaju piksel po piksel za područje koje treba popuniti. Koriste se Euclidean Loss I Softmax Loss

Link do rada na koji se oslanjamo: http://cs231n.stanford.edu/reports/2016/pdfs/211_Report.pdf

@vdragan1993 vdragan1993 self-assigned this Mar 24, 2024
@vdragan1993
Copy link
Member

  1. Neki delovi prijave su pisani u množini. Da li projekat radi jedna ili više osoba?
  2. Da li će se CNN i RNN modeli razvijati od nule ili će biti oslanjanje na neke postojeće modele? Ako je u pitanju ovo drugo, potrebno ih je navesti.
  3. U evaluaciji nije jasno šta će se porediti.

@bozidararsic-accelex
Copy link

  1. Radi jedna osoba
  2. Modeli ce se kreirati od nule
  3. Porede se pikseli izgenerisanog dela slike sa istim delom originalne slike koristeci Euclidean Loss i Softmax Loss (koristice se po dva razlicita pristupa za oba modela kao sto je to opisano u radu na koji se oslanjam)

@vdragan1993
Copy link
Member

Tema odobrena.
Srećan rad.

@vdragan1993 vdragan1993 added the odobreno Odobren projekat label Apr 1, 2024
Sign up for free to join this conversation on GitHub. Already have an account? Sign in to comment
Labels
odobreno Odobren projekat
Projects
None yet
Development

No branches or pull requests

3 participants