لخّصلي

الآلية على تحسين الجودة والكفاءة والموثوقية بشكل كبير في الكشف عن الصورة ذات الجودة المنخفضة. الفحصالبصري، في الأساس، قد تفقد الصورة ذات الجودة المنخفضةبعض المعلومات المفيدة. للقضاء على هذه المشكلة نستخدم شبكة GAN . تزدهر شبكات الخصومة التوليدية بتقنيات التعلمالآلي غير الخاضعة للرقابة. يتم استخدامGAN لإعادة بناء الصورة ذات الجودة المنخفضة إلى صورة ذات دقة عالية. تتكون شبكات GAN بشكل أساسي من شبكتين:شبكة المولدات،

الآلية على تحسين الجودة والكفاءة والموثوقية بشكل كبير في الكشف عن الصورة ذات الجودة المنخفضة. في مجال
الفحصالبصري، يلعب التعلم العميق للتعرف على العيوب على أساس الرؤية دوراً مهماً. في الأساس، قد تفقد الصورة ذات الجودة
المنخفضةبعض المعلومات المفيدة. للقضاء على هذه المشكلة نستخدم شبكة GAN .تزدهر شبكات الخصومة التوليدية بتقنيات
التعلمالآلي غير الخاضعة للرقابة. وتعد شبكات GAN مهمة في مجالات مختلفة مثل معالجة اللغة الطبيعية ورؤية الكمبيوتر. يتم
استخدامGAN لإعادة بناء الصورة ذات الجودة المنخفضة إلى صورة ذات دقة عالية. تتكون شبكات GAN بشكل أساسي من
شبكتين:شبكة المولدات، وشبكة التمييز. يتمثل عمل شبكة المولد في أخذ بيانات الإدخال وصورة الإدخال لصورة عيب منخفضة
الجودةوإنشاء صورة عالية الدقة. يتمثل عمل الممُيزِّ في التعرف على ما إذا كانت الصورة المعُاد بناؤها تتمتع بجودة عالية مقارنة
بالصورةالمعيبة. عمل كلتا الشبكتين يعطي مخرجات الصورة النهائية. يتم استخدام طرق مثل PSNR وSSIM وMSE لحساب جودة
الصورةالمتدهورة والعالية الدقة ومن خلال مقارنة القيمتين يمكننا التعرف على ما إذا تم إنشاؤها بشكل صحيح أم لا.