葫芦岛信息港

当前位置:

谷歌人工智能再现黑科技让低分辨率图像精细

2019/05/15 来源:葫芦岛信息港

导读

在很多的影视剧作品中,我们都曾看到过这样的场景:案件调查人员通过技术手段,将摄像头捕捉的模糊图象放大,形成更为精细、清晰的图象,帮助识别嫌疑

在很多的影视剧作品中,我们都曾看到过这样的场景:案件调查人员通过技术手段,将摄像头捕捉的模糊图象放大,形成更为精细、清晰的图象,帮助识别嫌疑人。但是遗憾的是,现实中的技术还远达不到能够将低分辨率图像收放自如形成人眼能够辨认的高清图像。

但谷歌(微博)近日公布的一项研究成果,则可能让上述那些只存在于影视剧作品中的奇异真正成为现实。谷歌人工智能研究部门谷歌大脑近日发布了一篇研究文章,再度展示了人工智能技术的强大功能,通过对深度神经络技术的应用,可以将低分辨率的图像放大成高清晰度、精细化的人眼可识别图像。

该项研究具体是通过两个同时运行的神经络来实现,一个被称为条件络,另一个被称为优先络。条件络通过对低分辨率的图像和类似的高分辨率的图像进行对照,并描绘出粗略的框架。优先络则用于分析图象中的像素点,并在低分辨率图象的基础上进行细部像素的细化。简单来讲,二者是通过在宏观和微观上的结合,来实现终究结果的化。

在进行该项实验时,谷歌的研究人员运用了包括超过20万名人头像的CelebFaces Attributes Dataset数据集和超过300万图像的卧室照片数据集,通过这些大量的数据,不断训练模型,使其结果不断优化。

经过大量数据训练后的模型终能够实现低分辨率图像的高清精细化还原,例如在上图中,将88分辨率的图象输入后,模型能够输出3232的图像。可以看出模型绘制出的较高分辨率的图像与真实图象之间的差异从肉眼来看已经很难分辨,很大程度上实现了将低分辨率图像高精细化的目的。

作为实验效果测验的一部分,谷歌研究人员还将真实图象和模型绘制出的图象同时呈现给其他工作人员,让他们给出哪些是模型绘制图像,哪些是真实拍摄的图像的判断,测试结果是50%的参与者认为模型绘制出的图像已经很好地摹拟了真实图像,以至于难以分辨这二者。

研究人员给出的实验结论是,在单独使用条件络进行绘制图像时,效果不如在此基础上同时运用优先络那末好,优先络能够使得条件络在无法准确预测局部细节时,进一步优化细节,产生更为精细的预测结果。

毫无疑问,这项技术在未来一定有着非常广泛的运用前景和实际价值,但需要指出的是,目前该技术依然处在非常初期的阶段,训练数据目前仅限于人脸和卧室图象,但这实际上也是有监督学习的人工智能研究目前普遍所需要面临的必经阶段,即任何实际的人工智能技术的运用,都要基于大量数据的训练和模型的不断优化。

月经后期左侧小腹痛
痛经小腹痛怎么缓解
月经延长后期有异味
标签