Neural Network Based Image Modifications

Tato práce se zabývá obarvováním šedotónového obrazu a zvětšováním rozlišení obrazu za pomoci neuronových sítí. Stručně vysvětluje principy neuronových sítí a shrnuje dosavadní přístupy v těchto oblastech. Dále pak popisuje návrh, implementaci a trénování různých architektur neuronových sítí. Nejlepší vytvořená architektura pro obarvování obrazu dokáže dobře obarvit především obrázky venkovních prostor. Architektura pro zvětšování rozlišení obrazu s reziduálními bloky, jež byla trénována s perceptuální chybovou funkcí, provádí dvojnásobné zvětšení rozlišení obrazu (celkem 4x více pixelů). Součástí této práce je také implementace webové aplikace, která využívá natrénované modely pro úpravu obrazu.This thesis deals with image colorization and image super-resolution using neural networks. It briefly explains neural networks principles and summarizes current approaches in this domain. It also describes the design, implementation and training of various neural network architectures. The best implemented architecture can colorize images, in particular, works well with outdoor areas. The architecture for image super-resolution with residual blocks that was trained with a perceptual loss function performs a double increase in image resolution (4x more pixels in total). Part of this thesis is also an implementation of a web application that uses trained models for image modification.