》》》源碼&論文pdf位於文末》》》
Source: Wang et al. CVPRW 2018
相信大家都有過這樣的困擾:
找到了心儀的朋友圈/PPT配圖,但分辨率卻很低。
一團團糊糊的馬賽克看得好不舒服,最後只能忍痛放棄
其實筆者也不例外,在為文章尋找配圖時,也常常不得不放棄一些低清晰度的圖片
於是我們很自然的會遐想,有沒有一種技術,能夠讓圖像的分辨率提升呢?
其實,這樣的想像是不無道理的
畢竟,雖然原圖分辨率較低,但是人腦依舊能知道圖中的主要信息是什麼
並能在腦海中想像出它清晰的樣子。
到這裡,有經驗的讀者應該能夠聯想到:
“我們何不用深度學習技術結合生成式對抗網絡(GAN)來自動修復低分辨率的圖像呢?”
其實,這就是 Wang 等人在這篇論文中實現分辨率修復的基本思路!
利用他們的技術,
輸入的圖片可以在 1s 內提升8倍的分辨率:
如圖,效果是驚人的!
分辨率修復實現源碼位於附件中
那麼,他們具體是怎麼做的?成果到底如何?
就讓筆者在今天的文章中為大家一一揭曉:
原理
Wang等人主要利用了生成式對抗網絡(GAN)和課程學習(Curriculum Learning)來實現分辨率修復技術。
在這個系列中,筆者已經多次提到生成式對抗網絡(GAN), 相信各位讀者對它也是十分親切了。
所以我們先來介紹一下什麼是課程學習(Curriculum Learning):
- 課程學習(Curriculum Learning)是 2009 年被提出的,主要思想是模仿人類學習的特點,由簡單到困難來學習樣本。
- 簡單來說,這樣可以讓模型更容易收斂。
下圖是模型的一個截圖:
如圖,在這篇論文中,Wang 等人通過讓圖像先修復到2倍分辨率,再修復到4倍分辨率
以此類推 ,來實現課程學習的效果
目的是降低生成式對抗網絡(GAN)的訓練難度。
論文的最後,研究團隊給出了多組對比:
如圖,最右側是原輸入,可以看出修復效果是非常優秀的!
而下方的對比則更為驚人:
(從左到右分別是原圖,其他人的成果,Wang等人的最新成果)
分辨率修復實現源碼位於附件中
(想要自行嘗試這項技術的讀者可以在下方自行領取程序源碼)
↓↓↓附件領取請看這裡↓↓↓
即可輕鬆領取本篇論文pdf文件及相關程序源碼
相關乾貨:
- 藉助WiFi信號,AI竟擁有了透視的能力!詳見
- 夜間照相再也不需要高端相機?詳見
- 想要用Python輕鬆可視化任何函數嗎?詳見
- 想要深入瞭解機器學習領域中5大最本質、最關鍵的算法嗎?詳見
機器學習乾貨君致力於原創易於理解的技術原理與細節文章
I Study Hard,
So YOU Don't Have To !
歡迎大家關注: )
閱讀更多 機器學習乾貨君 的文章