DEVELOPMENT AND TRAINING OF A NEURAL NETWORK AUTOENCODER MODEL FOR VISUAL DATA COLORIZATION

Аңдатпа

Статья посвящена разработке и обучению модели сверточного автокодировщика для задачи автоматической колоризации черно-белых изображений. Актуальность исследования обусловлена активным внедрением методов искусственного интеллекта в сферу обработки визуальных данных и необходимостью повышения точности автоматической реконструкции цветовой информации. Целью работы является построение нейросетевой архитектуры, способной выполнять высокоточное восстановление цвета с учетом пространственной структуры изображения. В рамках исследования были решены задачи теоретического анализа методов компьютерного зрения, классификации нейронных сетей, а также практической реализации модели на основе библиотеки Keras. Проведенное обучение на датасете пейзажных изображений позволило достичь точности 82,5% при визуально приемлемом уровне колоризации. Полученные результаты подтверждают эффективность предложенной архитектуры и демонстрируют потенциал сверточных автокодировщиков в задачах восстановления цветовой информации. Модель может быть использована в проектах цифровой реставрации, генерации контента и в образовательных целях.