Дослідження методів автоматичного покращення якості зображень на основі нейронних мереж

UKR: Пояснювальна записка до кваліфікаційної роботи магістра виконана на 99 сторінках, містить 35 рисунків, 3 таблиці, 4 додатки, 20 джерел. У роботі проведено аналіз сучасних методів автоматичного покращення якості цифрових зображень, зокрема класичних підходів та рішень на базі нейронних мереж (Super-Resolution, GAN). Розроблено та реалізовано клієнт-серверний веб-застосунок для інтелектуальної реставрації зображень облич через сторонній AI-сервіс. Програмна частина побудована з використанням бібліотеки React для фронтенду та середовища Node.js з фреймворком Express для бекенду. Проведено експериментальне дослідження ефективності обраних методів, що підтвердило покращення візуальної якості та чіткості деталей. Мета розробки полягає у створенні кросплатформеного інструментарію для цифрової реставрації фотоматеріалів та оптимізації медіаданих.

ENG: The explanatory note to the master’s qualification thesis comprises 99 pages, including 35 figures, 3 tables, 4 appendices, and 20 references. The thesis analyzes modern methods of automatic digital image quality enhancement, including classical approaches and solutions based on neural networks (Super-Resolution, GAN). A client–server web application for intelligent face image restoration via a third-party AI service has been developed and implemented. The software component is built using the React library for the frontend and the Node.js environment with the Express framework for the backend. An experimental study of the effectiveness of the selected methods was conducted, confirming improvements in visual quality and detail clarity. The objective of the work is to create a cross-platform toolkit for digital photo restoration and media data optimization.