Συμπίεση εικόνων με χρήση νευρωνικών δικτύων
Loading...
Date
2024-02-13
Authors
Σκαμαντζούρα, Δήμητρα Μαρία
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
Στην σημερινή εποχή παρατηρείται μία εκθετική αύξηση στο μέγεθος των δεδομένων, με όλο και μεγαλύτερη απαίτηση σε αποθηκευτικό χώρο. Ένας κύριος παράγοντας για αυτό το φαινόμενο είναι η καθημερινή και έντονη χρήση των μέσων κοινωνικής δικτύωσης από έναν μεγάλο ποσοστό του πληθυσμού. Τα μέσα κοινωνικής δικτύωσης διογκώνουν το πρόβλημα, διότι όλο και μεγαλύτερης ποιότητας εικόνες και βίντεο ανεβαίνουν στο διαδίκτυο. Συνεπώς, η επιστημονική κοινότητα έχει στραφεί στην περαιτέρω συμπίεση των δεδομένων για την αντιμετώπιση αυτού του ζητήματος.
Παρόλ' αυτά, η μείωση του μεγέθους των δεδομένων μπορεί να γίνει αποδεκτή μόνο ως έναν βαθμό, ο οποίος δεν αλλοιώνει υπερβολικά τα δεδομένα. Για την ακρίβεια, είναι επιθυμητό να μειωθεί όσο γίνεται ο αναγκαίος αποθηκευτικός χώρος, με την μικρότερη δυνατή απώλεια στην ποιότητα. Αυτό μέχρι έναν βαθμό επιτυγχάνεται από τους περισσότερους παραδοσιακούς αλγόριθμους συμπίεσης, όμως από ένα σημείο συμπίεσης και μετά οι απώλειες που προκαλούνται είναι σημαντικές. Για αυτό το λόγο, ο αναπτυσσόμενος τομέας της τεχνητής νοημοσύνης αναλαμβάνει να προσπαθήσει να καλύψει αυτές τις ανάγκες.
Αυτή η εργασία, αρχικά, παρουσιάζει υπάρχουσες τεχνικές συμπίεσης. Αυτές οι τεχνικές αναλύονται και εξηγούνται με βάση την αποδοτικότητά τους και την συχνότητα εφαρμογής τους σε θέματα συμπίεσης εικόνας. Η κατανόηση του τρόπου λειτουργίας των παραδοσιακών τεχνικών είναι ιδιαιτέρως σημαντική, καθώς αυτές οι τεχνικές έχουν θέσει τους στόχους που χρειάζεται να ξεπεραστούν. Παρομοίως, παρουσιάζονται μερικές εφαρμογές της τεχνητής νοημοσύνης, εστιάζοντας περισσότερο στις τεχνικές της βαθιάς μάθησης. Σε αυτό το σημείο, αναφέρονται διάφορα νευρωνικά δίκτυα που ανήκουν στις τεχνικές βαθιάς μάθησης που αξιοποιούνται με μεγάλη επιτυχία σε προβλήματα συμπίεσης.
Επιπρόσθετα, στα πλαίσια αυτής της εργασίας υλοποιήθηκε ένα μοντέλο, του οποίου παρουσιάζονται η αρχιτεκτονική και τα αποτελέσματα. Συμπερασματικά, αυτή η υλοποίηση αποτελεί ένα μοντέλο ικανό για μεγάλο βαθμό συμπίεσης, ο οποίος ξεπερνάει τον βαθμό συμπίεσης των αντίστοιχων παραδοσιακών τεχνικών.
Description
Keywords
Συμπίεση εικόνων, Συμπίεση αρχείων, Νευρωνικά δίκτυα, Τεχνητή νοημοσύνη