Abstract
Бұл жұмыста қара-ақ бейнелерді колоризациялау үшін автокодировщик үлгісін әзірлеу қарастырылады. Зерттеудің мақсаты — пейзаждармен сәулеттік көріністер мысалында түстік ақпаратты қалпына келтіру. Модель Python тілінде Keras және TensorFlow кітапханаларының көмегімен іске асырылды және Landscape color and grayscale images деректер жинағында оқытылды (14 258 бейне, оның ішінде 7129 түрлі-түсті және 7129 қара-аққа түрлендірілген). Барлық бейнелер RGB форматында 150×150 пиксель өлшеміне келтірілді. Архитектура құрамына свёрточты және dropout-қабаттарына негізделген кодировщик, сондай-ақ транспозициялық свёрткелерменде кодировщикенді. Жалпылау қабілетін арттыру үшін деректер аугментациясы қолданылды. Эксперименттер нәтижесінде валидациялық жиынтықта шамамен 82,5 % дәлдікке қолжеткізілді. Қосымша метрикалар: MSE = 0.018, PSNR ≈ 27,6 dB, SSIM ≈ 0.83. Визуалды талдау негізгі түстердің ( аспан, өсімдіктер, ғимараттар) дұрыс қалпына келтірілгенін растады, алайда күрделі көріністерде кейбір артефактілер сақталады. U-Net және GAN архитектураларымен салыстырғанда ұсынылған модель төменірек дәлдікті көрсеткенімен, қарапайымдылығымен, қайта жаңғыртылуы мен және төмен есептеу шығындарымен ерекшеленеді. Ол оқу және зерттеу мақсаттарына базалық шешім ретінде, сондай-ақ одан әрі жетілдіру үшін бастапқы нүктеретінде қолданылуы мүмкін.