Разработка алгоритма преобразования стиля изображений с применением алгоритмов машинного обучения и параллельных вычислений

Основной целью данной работы является повышение размерности изображений в алгоритме стилизации и создание возможностей для художников, дизайнеров, работников кинематографа, и пр. для эффективной стилизации и использования изображений с высоким разрешением в своей профессии. В этой работе было рассмотрено несколько возможных расширений и улучшений оригинального алгоритма передачи нейронного стиля Gatys et al (2016). Для генерации изображений была использована бесплатная облачная платформа Google Colaboratory, а также с целью тестирования стилизации с использованием параллельных вычислений были арендованы вычислительные ресурсы Google Cloud Platform. В рамках выполнения выпускной квалификационной работы был разработан алгоритм, способный генерировать выходные изображения с высоким разрешением с использованием CUDA, cuDNN и алгоритмов параллельных вычислений. После описания принципов работы алгоритма, и проведенного тестирования были выявлены основные ограничения и недостатки алгоритма, и предложены решения для ускорения вычислений и уменьшения времени стилизации. В рамках экспериментальной части дипломной работы был выполнен поиск оптимальных параметров для разработанного алгоритма, а также были проведены исследования алгоритмов мультистилевого переноса, быстрого переноса стиля, фотореалистичного переноса стиля, переноса стиля с сохранением цвета, контроля размера кисти, и т. д. Было предложено объяснение необходимых модификаций, которые являются достаточными для достижения этих эффектов, и предложены некоторые соображения для дальнейшего изучения. Дальнейшие исследования предполагают улучшение разработанного алгоритма, ускорение вычислений, оптимизация программного кода, а также добавление новой функциональности. Алгоритмы были реализованы на языке программирования Python 3.7 совместно с использованием фреймворка для машинного обучения PyTorch 1.4, созданного компанией Facebook, для выполнения расчетов в нейронной сети. Данная работа содержит 115 страниц, 77 рисунков, 7 таблиц, 11 формул, 7 листов приложений, а также включает в себя использованных источников. Ключевые слова: компьютерная система стилизации изображений, машинное обучение, глубокое обучение, нейронные сети, сверточные нейронные сети, генерация изображений высокого разрешения, алгоритм нейронного переноса стиля, параллельные вычисления, облачные вычисления, PyTorch