Представьте, что вы сидите на скучнейшем уроке литературы: кто-то спит, кто-то рисует в тетради, кто-то чатится в ICQ, кто-то проходит очередной уровень Gravity Defied, а вы люто набираете на своём Sony Ericsson программу на Бейсике, которая случайным образом выводит имя одного из одноклассников и какой-нибудь слегка обидный неправдивый факт о нём. Наконец, последние строчки дописаны, вы запускаете программу и показываете её соседу по парте, потом телефон уходит на другой ряд и… к концу урока добрая половина класса уже потирает ладони, чтобы хорошенько отвесить вам подзатыльников за такие приколы. Но последствия не так важны, как эйфория от того, что путь мобильной разработки для вас только-только начинается.
Это был 2006 год. У многих из нас ещё не было ПК, зато были мобильные телефоны с небольшими экранами, ограниченный доступ в Интернет и много свободного времени, которое хотелось потратить на реализацию какой-нибудь идеи.
Для осуществления преобразования изображений возможно применения нейронных сетей. Главным преимуществом нейронных сетей является их автоматическая способность к обучению. В данном случае предлагается для обучения адаптивного фильтра на базе нейронной сети использовать пару изображений, в которой исходное изображение является образцом, а второе является измененным от образца каким либо существующим фильтром или преобразованием. Адаптивному фильтру необходимо восстановить это преобразование, когда размер фильтра намного меньше размера исходного изображения.
