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)實中的技術(shù)還遠達不到能夠?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。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。
該項研究具體是通過兩個同時運行的神經(jīng)網(wǎng)絡(luò)來實現(xiàn)，一個被稱為“條件網(wǎng)絡(luò)”，另一個被稱為“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，并在低分辨率圖像的基礎(chǔ)上進行細(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
在進行該項實驗時，谷歌的研究人員運用了包含超過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。可以看出模型繪制出的較高分辨率的圖像與真實圖像之間的差異從肉眼來看已經(jīng)很難分辨，很大程度上實現(xiàn)了將低分辨率圖像高精細(xì)化的目的。
作為實驗效果測驗的一部分，谷歌研究人員還將真實圖像和模型繪制出的圖像同時呈現(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)很好地模擬了真實圖像，以至于難以分辨這兩者。
研究人員給出的實驗結(jié)論是，在單獨使用“條件網(wǎng)絡(luò)”進行繪制圖像時，效果不如在此基礎(chǔ)上同時運用“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，進一步優(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，這項技術(shù)在未來一定有著非常廣泛的應(yīng)用前景和實際價值，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