В рамках данного проекта было реализовано универсальное приложение на основе платформы Streamlit, предназначенное для обработки и анализа изображений.
Приложение включает в себя несколько функций, таких как генерация заданных цифр с использованием Conditional GAN, детекция ветрогенераторов на изображениях и очищение документов от шумов с помощью автоэнкодера.
Эти возможности позволяют пользователям выполнять разнообразные операции с изображениями, повышая эффективность и точность анализа.
Состав команды
- Иван Никифоров
- Осана Бабаян
- Анна Савицкая
- Вероника Красикова.
Распределение задач
Анна Савицкая и Осана Бабаян: Генерация заданной цифры с помощью Conditional GAN.
- модель: полносвязная нейронная сеть
- данные для обучения: датасет MNIST
Иван Никифоров: Детекция ветрогенераторов.
- модель: YOLO v8
- данные для обучения: датасет Object Detection Dataset
Вероника Красикова: Очищение документов от шумов с помощью автоэнкодера.
- модель: сверточная нейронная сеть
- данные для обучения: датасет Denoising Dirty Documents
Результат
Within this project, a versatile application based on the Streamlit platform has been implemented for image processing and analysis.
The application includes several features such as generating specified digits using Conditional GAN, wind turbine detection in images, and document denoising using an autoencoder.
These capabilities allow users to perform various image operations, enhancing the efficiency and accuracy of analysis.
Team Members
- Ivan Nikiforov
- Osana Babayan
- Anna Savitskaya
- Veronika Krasikova
Task Allocation
Anna Savitskaya and Osana Babayan: Generating specified digits using Conditional GAN.
- Model:
- Training Data: MNIST dataset
Ivan Nikiforov: Wind turbine detection.
- Model: YOLO v8
- Training Data: Object Detection Dataset dataset
Veronika Krasikova: Document denoising using an autoencoder.
- Model: Convolutional Neural Network
- Training Data: Denoising Dirty Documents dataset
Result