Система для автоматичного усунення фону і ретушування фото на основі генеративно-змагальных глибинних нейронних мереж

Abstract

Метою роботи є підвищення якості автоматичного очищення заднього фону і ретушування зображення за рахунок використання змагально-генеративних глибиних нейронних мереж (GAN). Було розроблено моделі GAN для виконання автоматичного ретушування і очищення заднього фону зображення, а також проведено зменшення їх розмірів для підвищення продуктивності роботи без істотних погіршень у точності за допомогою методів квантування та дистиляції знань. Розроблено архітектуру програмної системи, спроектовано графічний інтерфейс користувача і виконано розробку веб-застосування на основі створених моделей. Нейронні мережі було реалізовано засобами мови програмування Python за допомогою бібліотек машинного навчання TensorFlow і PyTorch. Вони були імпортовані до інтерфейсу користувача, що було реалізовано засобами JavaScript за допомогою TensorFlowJS.

The aim of the work is to improve the quality of automatic image background cleaning and image retouching using deep generative adversarial neural networks (GAN). GAN models developed to automatically retouch and clean the background of the image, and their size reduced to increase productivity without significant loss in accuracy using quantization and distillation techniques. The architecture of the software system was developed, the graphical user interface was designed and the development of a web application based on these models was performed. In the work analyzes the existing solutions, identifies their shortcomings, formed functional and non-functional requirements for software and describes the behavior of the system. Developed models for automatically retouch and clear imge background. Developed the architecture of software system and designed user interface. Neural networks were implemented by means of Python languages using machine-learning libraries – TensorFlow and PyTorch. They imported into the user interface, which was implemented using JavaScript, using TensorFlowJS.