Sökning: "Lågupplösta Bilder"
Visar resultat 1 - 5 av 9 uppsatser innehållade orden Lågupplösta Bilder.
1. En jämförelse av Deep Learning-modeller för Image Super-Resolution
Kandidat-uppsats, KTH/Skolan för elektroteknik och datavetenskap (EECS)Sammanfattning : Image Super-Resolution (ISR) is a technology that aims to increase image resolution while preserving as much content and detail as possible. In this study, we evaluate four different Deep Learning models (EDSR, LapSRN, ESPCN, and FSRCNN) to determine their effectiveness in increasing the resolution of lowresolution images. LÄS MER
2. Human pose estimation in low-resolution images
Master-uppsats, KTH/Skolan för elektroteknik och datavetenskap (EECS)Sammanfattning : This project explores the understudied, yet important, case of human pose estimation in low-resolution images. This is done in the use-case of images with football players of known scale in the image. Human pose estimation can mainly be done in two different ways, the bottom-up method and the top-down method. LÄS MER
3. Kartläggning av det lågupplösta : En studie om subversiva kartor
Uppsats för yrkesexamina på avancerad nivå, Konstfack/IBIS - Institutionen för bild- och slöjdpedagogikSammanfattning : Denna studie undersöker huruvida kartan har potential som verktyg för bildpedagogik och subversion, det vill säga motstånd. Vidare undersöks hur multiplicitet, en helhet av skillnader, kan framträda genom kartläggning. LÄS MER
4. Real-Time Video Super-Resolution : A Comparative Study of Interpolation and Deep Learning Approaches to Upsampling Real-Time Video
Master-uppsats, KTH/Skolan för elektroteknik och datavetenskap (EECS)Sammanfattning : Super-resolution is a subfield of computer vision centered around upsampling low-resolution images to a corresponding high-resolution counterpart. This degree project investigates the suitability of a deep learning method for real-time video super-resolution. LÄS MER
5. OCR algoritmers noggrannhet och snabbhet vid identifieringen av text på olika typer av bakgrund : En jämförelse mellan OCR - algoritmerna Tesseract och Google ML-Kit
Kandidat-uppsats, Jönköping University/JTH, Avdelningen för datateknik och informatikSammanfattning : SyfteOCR, optical character recognition, algoritmer kan implementeras på olika sätt, de påverkar även resultatet både beroende på vilken implementation som används och vilket dataset som det används på. Därför är det viktigt att testa de olika OCR algoritmerna på just det dataset som är tänkt att användas för att få ett förutsägbart resultat. LÄS MER