| DC Field | Value | Language |
|---|
| dc.contributor.author | Гаращук, Н. В. | - |
| dc.date.accessioned | 2025-06-23T07:27:27Z | - |
| dc.date.available | 2025-06-23T07:27:27Z | - |
| dc.date.issued | 2025 | - |
| dc.identifier.citation | Гаращук, Н. В. Увеличение разрешения изображений на основе нейронных сетей = Image resolution enhancement based on neural networks / Н. В. Гаращук // Компьютерные системы и сети : материалы 61-й научной конференции аспирантов, магистрантов и студентов, Минск, 22–26 апреля 2025 г. / Белорусский государственный университет информатики и радиоэлектроники. – Минск, 2025. – С. 58–62. | en_US |
| dc.identifier.uri | https://libeldoc.bsuir.by/handle/123456789/60406 | - |
| dc.description.abstract | В статье рассматриваются особенности и структура современной нейросетевой архитектуры SRGAN,
предназначенной для увеличения разрешения изображений. Подробно описаны ключевые компоненты модели, включая
генератор и дискриминатор, а также функции потерь, используемые в процессе обучения. | en_US |
| dc.language.iso | ru | en_US |
| dc.publisher | БГУИР | en_US |
| dc.subject | материалы конференций | en_US |
| dc.subject | генеративно-состязательные сети | en_US |
| dc.subject | нейросетевые архитектуры | en_US |
| dc.subject | генерация изображений | en_US |
| dc.title | Увеличение разрешения изображений на основе нейронных сетей | en_US |
| dc.title.alternative | Image resolution enhancement based on neural networks | en_US |
| dc.type | Article | en_US |
| dc.description.annotation | The article examines the features and structure of the modern neural network architecture SRGAN, designed for image
resolution enhancement. The key components of the model, including the generator and discriminator, as well as the loss functions used
during training, are described in detail. | en_US |
| local.description.annotation | The article examines the features and structure of the modern neural network architecture SRGAN, designed for image
resolution enhancement. The key components of the model, including the generator and discriminator, as well as the loss functions used
during training, are described in detail. | en_US |
| Appears in Collections: | Компьютерные системы и сети : материалы 61-й научной конференции аспирантов, магистрантов и студентов : сборник статей (2025)
|
