AI去除马赛克，可还行？-人工智能-PHP中文网

首页

科技周边

人工智能

AI去除马赛克，可还行？

WBOYWBOYWBOYWBOYWBOYWBOYWBOYWBOYWBOYWBOYWBOYWBOYWB

Apr 09, 2023 pm 07:11 PM

图片aidcgan

哈喽，大家好。

你有没有想过用 AI 技术去除马赛克？

仔细想想这个问题还挺难的，因为我们之前使用的 AI 技术，不管是人脸识别还是OCR识别，起码人工能识别出来。但如果给你一张打上马赛克的图片，你能把它复原吗？

显然是很难的。如果人都无法复原，又怎能教会计算机去复原呢？

还记得前几天我写的一篇《用AI生成头像》文章吗。在那篇文章中，我们训练了一个DCGAN模型，它可以从任意随机数生成一个图像。

随机数作为像素生成的噪声图

模型从随机数生成正常头像

DCGAN包含生成器模型和判别器模型两个模型组成，生成器模型的作用是从一组随机数生成一个图片，图片与训练样本越接近越好，从而骗过判别器模型，而判别器模型则要不断提高鉴别能力，防止生成器模型生成的图片蒙混过关。

如果我们把上述生成器模型的输入由随机数改成带有马赛克的图片，输出则是不带马赛克的图片。是不是就可以训练出一个去除马赛克的模型了。

接下来，跟大家分享下如何训练去除马赛克模型，然后再分享一个现成的工具，大家可以下载下来直接用，试试效果。

1. Pix2pix + CycleGAN

这里我们不用上面介绍的DCGAN，而是用Pix2pix和CycleGAN两个更强大的模型，分别来训练。

Pix2pix是基于GAN的图像翻译算法，从马赛克图片到正常图片，本质上跟一种语言到另一种语言的转换类似，都是翻译的过程。

Pix2pix模型翻译

而CycleGAN的实现的效果，简单来说就是将不同域之间的图像进行转换，而本身的形状保持不变。

CycleGAN模型

文章为我们提供了数据集和完整的训练过程，能够帮助我们以较低的成本训练模型。

首先，下载数据集

数据集

共 654M。

然后，下载Paddle预训练模型

预训练模型

最后，分别训练Pix2pix和CycleGAN模型。

Pix2pix 模型

python gan<span style="color: rgb(215, 58, 73); margin: 0px; padding: 0px; background: none 0% 0% / auto repeat scroll padding-box border-box rgba(0, 0, 0, 0);">/</span>infer<span style="color: rgb(0, 92, 197); margin: 0px; padding: 0px; background: none 0% 0% / auto repeat scroll padding-box border-box rgba(0, 0, 0, 0);">.py</span> <br><span style="color: rgb(106, 115, 125); margin: 0px; padding: 0px; background: none 0% 0% / auto repeat scroll padding-box border-box rgba(0, 0, 0, 0);">--init_model output/pix2pix/checkpoints/110/ </span><br><span style="color: rgb(106, 115, 125); margin: 0px; padding: 0px; background: none 0% 0% / auto repeat scroll padding-box border-box rgba(0, 0, 0, 0);">--dataset_dir /home/aistudio/ </span><br><span style="color: rgb(106, 115, 125); margin: 0px; padding: 0px; background: none 0% 0% / auto repeat scroll padding-box border-box rgba(0, 0, 0, 0);">--image_size 256 </span><br><span style="color: rgb(106, 115, 125); margin: 0px; padding: 0px; background: none 0% 0% / auto repeat scroll padding-box border-box rgba(0, 0, 0, 0);">--n_samples 1 </span><br><span style="color: rgb(106, 115, 125); margin: 0px; padding: 0px; background: none 0% 0% / auto repeat scroll padding-box border-box rgba(0, 0, 0, 0);">--crop_size 256 </span><br><span style="color: rgb(106, 115, 125); margin: 0px; padding: 0px; background: none 0% 0% / auto repeat scroll padding-box border-box rgba(0, 0, 0, 0);">--model_net Pix2pix </span><br><span style="color: rgb(106, 115, 125); margin: 0px; padding: 0px; background: none 0% 0% / auto repeat scroll padding-box border-box rgba(0, 0, 0, 0);">--net_G unet_256 </span><br><span style="color: rgb(106, 115, 125); margin: 0px; padding: 0px; background: none 0% 0% / auto repeat scroll padding-box border-box rgba(0, 0, 0, 0);">--test_list /home/aistudio/test_list.txt </span><br><span style="color: rgb(106, 115, 125); margin: 0px; padding: 0px; background: none 0% 0% / auto repeat scroll padding-box border-box rgba(0, 0, 0, 0);">--output ./infer_result/pix2pix/</span>

CycleGAN 模型

python gan<span style="color: rgb(215, 58, 73); margin: 0px; padding: 0px; background: none 0% 0% / auto repeat scroll padding-box border-box rgba(0, 0, 0, 0);">/</span>infer<span style="color: rgb(0, 92, 197); margin: 0px; padding: 0px; background: none 0% 0% / auto repeat scroll padding-box border-box rgba(0, 0, 0, 0);">.py</span> <br><span style="color: rgb(106, 115, 125); margin: 0px; padding: 0px; background: none 0% 0% / auto repeat scroll padding-box border-box rgba(0, 0, 0, 0);">--init_model output/cyclegan/checkpoints/48/ </span><br><span style="color: rgb(106, 115, 125); margin: 0px; padding: 0px; background: none 0% 0% / auto repeat scroll padding-box border-box rgba(0, 0, 0, 0);">--dataset_dir /home/aistudio/ </span><br><span style="color: rgb(106, 115, 125); margin: 0px; padding: 0px; background: none 0% 0% / auto repeat scroll padding-box border-box rgba(0, 0, 0, 0);">--image_size 256 </span><br><span style="color: rgb(106, 115, 125); margin: 0px; padding: 0px; background: none 0% 0% / auto repeat scroll padding-box border-box rgba(0, 0, 0, 0);">--n_samples 1 </span><br><span style="color: rgb(106, 115, 125); margin: 0px; padding: 0px; background: none 0% 0% / auto repeat scroll padding-box border-box rgba(0, 0, 0, 0);">--crop_size 256 </span><br><span style="color: rgb(106, 115, 125); margin: 0px; padding: 0px; background: none 0% 0% / auto repeat scroll padding-box border-box rgba(0, 0, 0, 0);">--input_style A </span><br><span style="color: rgb(106, 115, 125); margin: 0px; padding: 0px; background: none 0% 0% / auto repeat scroll padding-box border-box rgba(0, 0, 0, 0);">--test_list /home/aistudio/test_list.txt </span><br><span style="color: rgb(106, 115, 125); margin: 0px; padding: 0px; background: none 0% 0% / auto repeat scroll padding-box border-box rgba(0, 0, 0, 0);">--model_net CycleGAN </span><br><span style="color: rgb(106, 115, 125); margin: 0px; padding: 0px; background: none 0% 0% / auto repeat scroll padding-box border-box rgba(0, 0, 0, 0);">--net_G resnet_9block </span><br><span style="color: rgb(106, 115, 125); margin: 0px; padding: 0px; background: none 0% 0% / auto repeat scroll padding-box border-box rgba(0, 0, 0, 0);">--g_base_dims 32 </span><br><span style="color: rgb(106, 115, 125); margin: 0px; padding: 0px; background: none 0% 0% / auto repeat scroll padding-box border-box rgba(0, 0, 0, 0);">--output ./infer_result/cyclegan/</span>

训练完后，大家可以运行gan/infer.py文件，对比这两种模型去除马赛克的效果。

2. 现成工具

如果你不想自己训练模型，这里给大家分享现成的项目，它也是基于语义分割以及图像翻译，参考了Pix2pix和CycleGAN。

项目地址：https://github.com/HypoX64/DeepMosaics/blob/master/README_CN.md

对于Windows用户，作者提供了包含GUI界面的免安装软件包。

UI界面

前面我们说过，这种技术还是比较难的，所以大家不要有太高预期。这里发下实际的去除效果。

打码

去码

效果还是可以的，只不过没有想象中那么完美，大家可以下载运行试试。

以上是AI去除马赛克，可还行？的详细内容。更多信息请关注PHP中文网其他相关文章！

声明

本文转载于：51CTO.COM。如有侵权，请联系admin@php.cn删除

超简单！用 Python 为图片和 PDF 去掉水印Apr 12, 2023 pm 11:43 PM

网上下载的 pdf 学习资料有一些会带有水印，非常影响阅读。比如下面的图片就是在 pdf 文件上截取出来的，今天我们就来用Python解决这个问题。安装模块PIL：Python Imaging Library 是 python 上非常强大的图像处理标准库，但是只能支持 python 2.7，于是就有志愿者在 PIL 的基础上创建了支持 python 3的 pillow，并加入了一些新的特性。pip install pillow pymupdf 可以用 python 访问扩展名为*.pdf、

PHP和GD库实现图片裁剪的方法Jul 14, 2023 am 08:57 AM

PHP和GD库实现图片裁剪的方法概述：图片裁剪是网页开发中常见的需求之一，它可以用于调整图片的尺寸，剪裁不需要的部分，以适应不同的页面布局和展示需求。在PHP开发中，我们可以借助GD库来实现图片裁剪的功能。GD库是一个强大的图形库，可提供一系列函数来处理和操控图像。代码示例：下面我们将详细介绍如何使用PHP和GD库来实现图片裁剪。首先，确保你的PHP环境已经

PS AI修图免费平替来了！Stability AI又放大招，核弹级更新一键扩图Jun 12, 2023 pm 07:27 PM

此前，PS的重建图像功能就让人无比振奋，让无数人惊呼今天，StabilityAI又放大招了。它联合Clipdrop推出了UncropClipdrop——一个终极图像比例编辑器。从Uncrop这个名字上，我们就能看出它的用途。它是一个AI生成的「外画」工具，通过创建扩展背景，这个工具可以补充任何现有照片或图像，来更改任何图像的比例。敲黑板：通过Clipdrop网站，就可以免费试用这个工具了，无需登录！比例任意调，满意为止Uncrop基于StabilityAI的文本到图像模型StableDiffus

如何使用 Vue 实现图片预加载？Jun 25, 2023 am 11:01 AM

在网页开发中，图片预载是一种常见的技术，可以提升用户的体验感。当用户浏览网页时，图片可以提前下载并加载，减少图片加载时的等待时间。在Vue框架中，我们可以通过一些简单的方法来实现图片预载。本文将介绍Vue中的图片预载技术，包括预载的原理、实现的方法和使用注意事项。一、预载的原理首先，我们来了解一下图片预载的原理。传统的图片加载方式是等到图片全部下载完成才显示

vue报错找不到图片怎么办Nov 19, 2022 pm 05:01 PM

vue报错找不到图片的解决办法：1、修改配置文件，将绝对路径改为相对路径；2、将图片作为模块加载进去，并将图片放到static目录下；3、将imageUrls引入响应的vue文件中，解析引用即可。

如何在uniapp中实现图片滤镜效果Jul 04, 2023 am 11:05 AM

如何在uniapp中实现图片滤镜效果在移动应用开发中，图片滤镜效果是一种常见且受用户喜爱的功能之一。而在uniapp中，实现图片滤镜效果也并不复杂。本文将为大家介绍如何通过uniapp实现图片滤镜效果，并附上相关代码示例。导入图片首先，我们需要在uniapp项目中导入一张图片，以供后续滤镜效果的处理。可以在项目的资源文件夹中放置一张命名为“filter.jp

php写图片不显示不出来怎么办Nov 14, 2022 am 10:17 AM

php写图片不显示不出来的解决办法：1、找到并打开php.ini文件；2、找到“extension=php_gd2.dll”，并将前面的分号去掉；3、重新启动服务器；4、在绘图前清一下缓存即可。

AI去除马赛克，可还行？Apr 09, 2023 pm 07:11 PM

哈喽，大家好。你有没有想过用 AI 技术去除马赛克？仔细想想这个问题还挺难的，因为我们之前使用的 AI 技术，不管是人脸识别还是OCR识别，起码人工能识别出来。但如果给你一张打上马赛克的图片，你能把它复原吗？显然是很难的。如果人都无法复原，又怎能教会计算机去复原呢？还记得前几天我写的一篇《用AI生成头像》文章吗。在那篇文章中，我们训练了一个DCGAN模型，它可以从任意随机数生成一个图像。随机数作为像素生成的噪声图模型从随机数生成正常头像DCGAN包含生成器模型和判别器模型两个模型组成，生成

See all articles