Программная реализация алгоритма генеративных состязательных сетей для задач синтеза изображений

Авторы

  • С.А. Зори Донецкий национальный технический университет https://orcid.org/0000-0003-4018-234X
  • М.О. Лукащук Донецкий национальный технический университет

Ключевые слова:

синтез видео, GAN, TensorFlow, генератор, дискриминатор, PSNR, SSIM

Аннотация

В статье рассмотрена программная реализация алгоритма генеративных состязательных сетей для задач синтеза изображений. Представлены этапы подготовки данных, проектирования архитектуры генератора и дискриминатора, а также методика обучения модели с использованием комбинированных функций потерь, рассмотрена оценка качества работы генератора. В ходе обучения модели были достигнуты значимые результаты, подтверждённые количественными метриками качества PSNR и SSIM. Перспективами дальнейшего развития являются оптимизация процесса обучения для повышения устойчивости модели, внедрение модификаций архитектуры GAN, а также расширение функциональности системы за счёт поддержки более сложных и разнообразных типов входных данных.

Биография автора

С.А. Зори, Донецкий национальный технический университет

доктор технических наук, доцент, заведующий кафедрой программной инженерии им. Л. П. Фельдмана факультета интеллектуальных систем и программирования ФГБОУ ВО «Донецкий национальный технический университет».

Библиографические ссылки

Мулявин, Д. Е. Расширение возможнос-тей систем генерации изображений путем использования нейронных сетей / Д. Е. Мулявин, Р. В. Мальчева, А. А. Койбаш // Информатика и кибернетика. - Донецк: ДонНТУ, 2024. - № 3 (37). - С. 13-18.

Goodfellow, Ian, et al. Generative adversarial nets // Advances in neural information processing systems, 2014.

Сметана, В. В. Развитие машинного обучения: от теории к приложениям / В. В. Сметана // Национальная ассоциация ученых. – 2024. – Т. 1. - № 101. – С. 133.

TensorFlow. Официальная документация [Электронный ресурс]. – Режим доступа: https://www.tensorflow.org/ – Загл. с экрана.

Keras: Deep Learning for Humans [Электронный ресурс]. – Режим доступа: https://keras.io/ – Загл. с экрана.

OpenCV: Open Source Computer Vision Library [Электронный ресурс]. – Режим доступа: https://opencv.org/ – Загл. с экрана.

scikit-image: Image processing in Python [Электронный ресурс]. – Режим доступа: https://scikit-image.org/ – Загл. с экрана.

ConvTranspose2d — PyTorch 2.6 documentation [Электронный ресурс]. – Режим доступа: https://pytorch.org/docs/stable/generated/torch.nn.ConvTranspose2d.html

Adam (Adaptive Moment Estimation) [Электронный ресурс]. – Режим доступа: https://www.geeksforgeeks.org/adam-optimizer-in-tensorflow/

LeakyReLU — PyTorch 2.6 documentation [Электронный ресурс]. – Режим доступа: https://pytorch.org/docs/stable/generated/torch.nn.LeakyReLU.html

Загрузки

Опубликован

10.11.2025

Как цитировать

Зори, С., & Лукащук, М. (2025). Программная реализация алгоритма генеративных состязательных сетей для задач синтеза изображений. Информатика и кибернетика, (1 (39), 48–55. извлечено от https://infcybdonntu.ru/article/view/574

Выпуск

Раздел

Информатика и вычислительная техника