Was ist KI-Reparatur?

Die Explosion des Deep Learning hat die Bilderkennung vereinfacht. In ähnlicher Weise wurden große Fortschritte bei der Bildwiederherstellung erzielt. Durch die Wiederherstellung von Bildern durch KI können wir erkennen, dass KI nach dem Erlernen einer großen Datenmenge in der Lage zu sein scheint, Gedächtnis und Vorstellungskraft für Bilder zu erzeugen und fehlende, verschwommene oder verrauschte Bilder in ihrem „ursprünglichen Aussehen“ wiederherzustellen.

Nachfolgend werfen wir einen Blick auf den Fortschritt verschiedener Bildreparaturtechnologien. (Empfohlenes Lernen: PHP-Video-Tutorial)

Keine Notwendigkeit für saubere Proben, super Rauschunterdrückung

Kürzlich NVIDIA, Aalto University und UMass The Polytechnic Die Universität schlug gemeinsam eine neue Technologie zur Bildwiederherstellung vor, die Rauschen und Artefakte effektiv aus Bildern entfernen kann und keine sauberen Bildproben erfordert. Die Arbeit wurde auf der ICML-Konferenz 2018 angekündigt.

Das Video zeigt verschiedene Bildrauschen (einschließlich Gauß-Rauschen, Poisson-Rauschen, Bernoulli-Rauschen, Impulsrauschen usw.) Gute Ergebnisse erzielt das neuronale Netzwerk durch das Erlernen von Rauschbildpaaren.

Es gilt derzeit als sehr guter Mensch in dieser Arbeit, und einige Details werden auch recht gut gehandhabt. Sie nennen diese Technologie Noise2Noise. Das Team bezog 50.000 Bilder aus der ImageNet-Datenbank und „verrauschte“ sie. Geben Sie diese „schmutzigen“ Bilder dann zum Training in das Modell ein, damit das Modell lernen kann, „Rauschen zu reduzieren“.

Es ist erwähnenswert, dass es sich bei allen von diesem Modell aufgenommenen Bildern um Bilder mit verschiedenen hinzugefügten Geräuschen handelt und es keine Ahnung hat, wie das Originalbild aussieht. Die Forscher sagten: „Neuronale Netze können lernen, Bilder ohne saubere Bilder wiederherzustellen.“ Daher verwendeten sie gepaarte verrauschte Bilder, um die Arbeit abzuschließen.

Die Forscher hoffen, diese Technologie auf Bilder anzuwenden, die viel Rauschen enthalten, wie etwa Astrofotografie, Magnetresonanztomographie (MRT) und Gehirnscans.

Verwenden Sie fast 5000 Bilder aus dem IXI-Datensatz, um die MRT-Bildentrauschungsfunktionen von Noise2Noise zu trainieren. Ohne künstliches Rauschen ist das Ergebnis möglicherweise etwas unschärfer als das Originalbild, stellt die Schärfe aber dennoch gut wieder her.

KI-Hirnergänzung zur Reparatur fehlender Bilder

Es gibt viele Algorithmen zum Reparieren fehlender Bilder. Dieser Algorithmus funktioniert zunächst der University of Southern California.

Obwohl es nicht perfekt aussieht, kann ich es als PS-Neuling nur bis zu diesem Niveau bedienen.

CNN-Netzwerkstruktur

Das Netzwerk besteht tatsächlich aus zwei neuronalen Netzwerken, eines ist ein Netzwerk zur Inhaltsgenerierung und das andere ist ein Netzwerk zur Texturgenerierung. Ein Netzwerk zur Inhaltsgenerierung generiert Bilder und leitet den Inhalt fehlender Teile ab. Das Texturgenerierungsnetzwerk wird verwendet, um die vom Inhaltsnetzwerk erzeugte Textur zu verbessern. Insbesondere werden das generierte vollständige Bild und das ursprüngliche nicht fehlende Bild in das Texturgenerierungsnetzwerk eingegeben und der Verlust wird auf einer bestimmten Ebene von feature_map berechnet wird als Verlust NN erfasst.

Weitere PHP-bezogene technische Artikel finden Sie in der Spalte PHP-Grafik-Tutorial, um mehr darüber zu erfahren!

Das obige ist der detaillierte Inhalt vonWas ist KI-Reparatur?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!