SUN’IY INTELLEKT ALGORITMLARI ASOSIDA TASVIRLAR SIFATINI OSHIRISH
Ключевые слова:
sun’iy intellekt, mashinali o‘qitish, Real-ESRGAN, superrezolyutsiya, tasvirni tiklash, kompyuterni ko‘rish, PSNR, SSIM.Аннотация
В тезисе рассматривается задача повышения качества
изображений низкого разрешения на основе технологий машинного
обучения и компьютерного зрения. Проанализирован механизм работы
алгоритма Real-ESRGAN, основанного на генеративно-состязательных
сетях, а также его возможности по уменьшению шума, размытости и
артефактов сжатия. Разработанная платформа AI Image Studio позволяет
пользователю загружать изображение, выбирать режим обработки,
сравнивать результат с исходным вариантом и сохранять улучшенный
файл. Для оценки результатов предусмотрено применение метрик PSNR и
SSIM, что подтверждает практическую значимость подхода для медицины,
систем безопасности, цифровых архивов и обработки спутниковых
изображений.
Библиографические ссылки
Bojja, R. R. (2025). A comparative study of supervised and unsupervised learning approaches. International Multidisciplinary Research Journal Reviews.
Mamatov, N. S., & Dusanov, X. T. (2025). Nutq signallari belgilar to‘plamini shakllantirishning MFCC usuli. Современные инновационные исследования: актуальные проблемы и развитие тенденции: решения и перспективы, 179–182.
Mamatov, N. S., Babomuradov, O. J., & Dusanov, X. T. (2024). Automatic speaker recognition through voice using deep neural networks. Journal of Computer Science Engineering and Information Technology Research (JCSEITR), 14(1), 13–20.
Nishonov, A. H. (2023). Neyron tarmoqlari asoslari va ularni amaliyotda qo‘llash. Toshkent: Fan va texnologiya.
Wang, X., et al. (2021). Real-ESRGAN: Training real-world blind super-resolution with pure synthetic data. In Proceedings of the IEEE/CVF International Conference on Computer Vision (ICCV) Workshops.