谷歌人工智能再現(xiàn)“黑科技”：讓低分辨率圖像精細(xì)化成像
2017-02-09 14:06:06 來源：騰訊科技 熱度:
在很多的影視劇作品中，我們都曾看到過這樣的場景：案件調(diào)查人員通過技術(shù)手段，將攝像頭捕捉的模糊圖像放大，形成更為精細(xì)、清晰的圖像，幫助識別嫌疑人。然而遺憾的是，現(xiàn)實(shí)中的技術(shù)還遠(yuǎn)達(dá)不到能夠?qū)⒌头直媛蕡D像“收放自如”形成人眼能夠識別的高清圖像。
但谷歌(微博)近日公布的一項(xiàng)研究成果，則可能讓上述那些只存在于影視劇作品中的“神奇”真正成為現(xiàn)實(shí)。谷歌人工智能研究部門谷歌大腦近日發(fā)布了一篇研究文章，再度展示了人工智能技術(shù)的強(qiáng)大功能，通過對深度神經(jīng)網(wǎng)絡(luò)技術(shù)的應(yīng)用，可以將低分辨率的圖像放大成高清晰度、精細(xì)化的人眼可識別圖像。
該項(xiàng)研究具體是通過兩個(gè)同時(shí)運(yùn)行的神經(jīng)網(wǎng)絡(luò)來實(shí)現(xiàn)，一個(gè)被稱為“條件網(wǎng)絡(luò)”，另一個(gè)被稱為“優(yōu)先網(wǎng)絡(luò)”。“條件網(wǎng)絡(luò)”通過對低分辨率的圖像和相似的高分辨率的圖像進(jìn)行比照，并描繪出粗略的框架。“優(yōu)先網(wǎng)絡(luò)”則用于分析圖像中的像素點(diǎn)，并在低分辨率圖像的基礎(chǔ)上進(jìn)行細(xì)部像素的細(xì)化。簡單來說，兩者是通過在宏觀和微觀上的結(jié)合，來實(shí)現(xiàn)最終結(jié)果的最優(yōu)化。
谷歌人工智能再現(xiàn)“黑科技”：讓低分辨率圖像精細(xì)化成像
在進(jìn)行該項(xiàng)實(shí)驗(yàn)時(shí)，谷歌的研究人員運(yùn)用了包含超過20萬名人頭像的CelebFaces Attributes Dataset數(shù)據(jù)集和超過300萬圖像的“臥室”照片數(shù)據(jù)集，通過這些大量的數(shù)據(jù)，不斷訓(xùn)練模型，使其結(jié)果不斷優(yōu)化。
經(jīng)過大量數(shù)據(jù)訓(xùn)練后的模型最終能夠?qū)崿F(xiàn)低分辨率圖像的高清精細(xì)化還原，例如在上圖中，將8×8分辨率的圖像輸入后，模型能夠輸出32×32的圖像?？梢钥闯瞿Ｐ屠L制出的較高分辨率的圖像與真實(shí)圖像之間的差異從肉眼來看已經(jīng)很難分辨，很大程度上實(shí)現(xiàn)了將低分辨率圖像高精細(xì)化的目的。
作為實(shí)驗(yàn)效果測驗(yàn)的一部分，谷歌研究人員還將真實(shí)圖像和模型繪制出的圖像同時(shí)呈現(xiàn)給其他工作人員，讓他們給出哪些是模型繪制圖像，哪些是真實(shí)拍攝的圖像的判斷，測試結(jié)果是50%的參與者認(rèn)為模型繪制出的圖像已經(jīng)很好地模擬了真實(shí)圖像，以至于難以分辨這兩者。
研究人員給出的實(shí)驗(yàn)結(jié)論是，在單獨(dú)使用“條件網(wǎng)絡(luò)”進(jìn)行繪制圖像時(shí)，效果不如在此基礎(chǔ)上同時(shí)運(yùn)用“優(yōu)先網(wǎng)絡(luò)”那么好，“優(yōu)先網(wǎng)絡(luò)”能夠使得“條件網(wǎng)絡(luò)”在無法準(zhǔn)確預(yù)測局部細(xì)節(jié)時(shí)，進(jìn)一步優(yōu)化細(xì)節(jié)，產(chǎn)生更為精細(xì)的預(yù)測結(jié)果。
毫無疑問，這項(xiàng)技術(shù)在未來一定有著非常廣泛的應(yīng)用前景和實(shí)際價(jià)值，但需要指出的是，目前該技術(shù)依然處在非常初期的階段，訓(xùn)練數(shù)據(jù)目前僅限于“人臉”和“臥室”圖像，但這實(shí)際上也是“有監(jiān)督學(xué)習(xí)”的人工智能研究目前普遍所需要面臨的必經(jīng)階段，即任何實(shí)際的人工智能技術(shù)的應(yīng)用，都要基于大量數(shù)據(jù)的訓(xùn)練和模型的不斷優(yōu)化。
責(zé)任編輯：王剛
透過7件事了解人工智能先驅(qū)馬文·明斯基
哈佛大學(xué)研究新人工智能系統(tǒng) 速度媲美人類大腦
Google人工智能攻破了圍棋，然后呢？
中國新能源車的發(fā)展之路 人工智能的勝利