qu'est-ce que la réparation IA

L'explosion de l'apprentissage profond a rendu la reconnaissance d'images plus facile. De même, De nombreux progrès ont été réalisés dans la restauration d'images. La restauration des images par l'IA nous permet de voir qu'après avoir appris une grande quantité de données, l'IA semble être capable de générer de la mémoire et de l'imagination pour les images, redonnant aux images manquantes, floues ou bruyantes leur « apparence d'origine ».

Ci-dessous, jetons un coup d'œil aux progrès des différentes technologies de réparation d'image. (Apprentissage recommandé : Tutoriel vidéo PHP)

Pas besoin d'échantillons propres, super débruitage

Récemment, NVIDIA, Aalto University et UMass The Polytechnic L'université a proposé ensemble une nouvelle technologie de restauration d'images, capable de supprimer efficacement le bruit et les artefacts des images et ne nécessitant pas d'échantillons d'images propres. Les travaux ont été annoncés lors de la conférence ICML 2018.

La vidéo montre différents bruits d'image (dont le bruit gaussien, le bruit de Poisson, le bruit de Bernoulli, le bruit impulsionnel, etc.). Le réseau neuronal obtient de bons résultats en apprenant des paires d'images de bruit.

Il est actuellement considéré comme une très bonne personne dans ce travail, et certains détails sont également assez bien gérés. Ils appellent cette technologie Noise2Noise. L'équipe a obtenu 50 000 images de la base de données ImageNet et les a « bruitées ». Saisissez ensuite ces images « sales » dans le modèle pour la formation, afin que le modèle puisse apprendre à « réduire le bruit ».

Il est à noter que toutes les photos prises par ce modèle sont des photos avec divers bruits ajoutés, et il n'a aucune idée de ce à quoi ressemble la photo originale. Les chercheurs ont déclaré : « Il est possible pour les réseaux neuronaux d'apprendre à récupérer des images sans images nettes. Ils ont donc utilisé des images bruitées appariées pour terminer le travail. »

Les chercheurs espèrent appliquer cette technologie à des images contenant beaucoup de bruit, comme l'astrophotographie, l'imagerie par résonance magnétique (IRM) et les scanners cérébraux.

Utilisez près de 5 000 images de l’ensemble de données IXI pour entraîner les capacités de débruitage des images IRM de Noise2Noise. Sans bruit artificiel, le résultat peut être légèrement plus flou que l'image originale, mais restitue quand même bien la netteté.

Supplément cérébral IA pour réparer les images manquantes

Il existe de nombreux algorithmes pour réparer les images manquantes. Jetons d'abord un coup d'œil à l'algorithme de réparation des images entières manquantes. Emplois de l'Université de Californie du Sud.

Bien qu'il n'ait pas l'air parfait, en tant que novice PS, je ne peux l'utiliser qu'à ce niveau.

Structure du réseau CNN

Le réseau est en fait composé de deux réseaux de neurones, l'un est un réseau de génération de contenu et l'autre est un réseau de génération de texture. Un réseau de génération de contenu génère des images et déduit le contenu des parties manquantes. Le réseau de génération de texture est utilisé pour améliorer la texture produite par le réseau de contenu. Plus précisément, l'image complète générée et l'image originale non manquante sont entrées dans le réseau de génération de texture, et la perte est calculée sur une certaine couche de feature_map, qui est utilisée pour améliorer la texture produite par le réseau de contenu. est enregistrée comme Perte NN.

Pour plus d'articles techniques liés à PHP, veuillez visiter la colonne Tutoriel graphique PHP pour apprendre !

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!