التعلم بأسلوب متباين من أجل إزالة فلتر الانستقرام
| العنوان | التعلم بأسلوب متباين من أجل إزالة فلتر الانستقرام |
|---|---|
| المؤلف | كينلي، عثمان فرقان، أوزجان، باريش، كيراتش، مصطفى فرقان |
| تاريخ النشر: | 2022 |
| مكان النشر | - IEEE |
| النوع | وثيقة |
| اللغة | الإنجليزية |
| رقمي | نعم |
| مخطوط | لا |
| المكتبة: | جامعة اوزيجين |
| معرف أصل المكتبة | 978-166548739-9 |
| رقم السجل | 0cc0d85d-7f88-46a2-9cf2-f69ab0b2bf1a |
| موقع المكتبة | علوم الكمبيوتر |
| التاريخ | 2022 |
| نص عينة | يؤدي الفساد والاضطرابات على مستوى الصورة إلى تدهور أداء شبكات CNN في مهام الرؤية المختلفة. تعد مرشحات الوسائط الاجتماعية أحد الموارد الأكثر شيوعًا لمختلف عمليات الفساد والاضطرابات لتطبيقات التحليل البصري في العالم الحقيقي. يمكن التخفيف من الآثار السلبية لهذه العوامل المشتتة عن طريق استعادة الصور الأصلية بأسلوبها النقي للاستدلال على مهام الرؤية النهائية. بافتراض أن هذه المرشحات تضخ بشكل كبير جزءًا من معلومات النمط الإضافية إلى صور الوسائط الاجتماعية، يمكننا صياغة مشكلة استعادة الإصدارات الأصلية كمشكلة نقل النمط العكسي. نحن نقدم شبكة إزالة مرشح Instagram المتباينة (CIFR)، والتي تعزز فكرة إزالة مرشح Instagram من خلال استخدام آلية تعلم نمط متباين جديدة متعددة الطبقات. تظهر التجارب أن استراتيجيتنا المقترحة تنتج نتائج نوعية وكمية أفضل من الدراسات السابقة. علاوة على ذلك، فإننا نقدم نتائج تجاربنا الإضافية للهندسة المعمارية المقترحة ضمن إعدادات مختلفة. أخيرًا، نقدم مخرجات الاستدلال والمقارنة الكمية للصور التي تمت تصفيتها واستعادتها بشأن مهام التعريب والتجزئة لتشجيع الدافع الرئيسي لهذه المشكلة. |
| DOI | 10.1109/CVPRW56347.2022.00073 |
| Cilt | 2022-June |
