Reconstruction of Facial Images Using Neural Networks

Hlavním cílem této bakalářské práce je navrhnout a implementovat model neuronové sítě, který bude schopen rekonstruovat snímky obličeje v tak nízkém rozlišení, že na nich budou rozmazány základní části obličeje. Zadaný problém rekonstrukce obličejů je vyřešen pomocí modelů založených na konvolučních neuronových sítích. První model je postaven na architektuře ResNet, kdežto druhý staví na principech generativních kompetitivních sítí. Navržené modely jsou implementovány v programovacím jazyce Python za pomoci aplikačního programového rozhraní frameworku TensorFlow. Součástí práce je i aplikace s velmi jednoduchým grafickým uživatelským rozhraním pro snadné používání modelu. V poslední části práce je rozebráno několik experimentů provedených pro otestování úspěšnosti navržených modelůThe main purpose of this bachelor's thesis is to propose and implement a model, using neural networks, that will be able to reconstruct low-resolution facial images with blurry parts of the face. The task of super-resolution of facial images is solved by two models based on convolutional neural networks. The first model is built upon the architecture of ResNet whereas the other model makes use of the principles of generative adversarial networks. The proposed models are implemented in the Python programming language with the use of application programming interface of the TensorFlow framework. Moreover, as a part of this work, an application with a simple grafical user interface was created. This application makes it easy to use the implemented models. Several experiments are analyzed in the last chapter of this thesis to evaluate the performance of the models.