知道步兵和騎兵的區別麼，步兵是沒“碼”的。今天就給大家介紹一種去碼的方法

背景概念

 

廢話不多說，先看下效果：

上圖中的左邊的圖有很多干擾，右邊是經過本文要介紹的方法所處理後的結果。從圖片去碼的原理來講，在深度學習領域大致有兩種方法：

1. 學習法，就是通過大量程式碼的圖片放入神經網路進行訓練和學習，讓神經網路可以學習到圖片打碼的一些特徵，從而生成一個可以去掉碼的模型。這種方法其實是深度學習領域常用的一種思路。問題是需要大量打標的圖片，以及大量計算資源。

2. 生成法，因為一個高畫素的圖片是由很多低畫素元素拼接生成的，如果可以學習到影象的生成規則，找到影象的主體部分，就可以排除碼的影響，也就是本文介紹的方法

 

方法2的論文，大家有興趣可以去翻翻：https://sites.skoltech.ru/app/data/uploads/sites/25/2018/04/deep_image_prior.pdf

步驟

第一步，

clone整個工程，github地址：https://github.com/DmitryUlyanov/deep-image-prior

 

第二步，

將程式碼放入有GPU的執行環境中（在無GPU環境下是無法執行的），這裡博主用的是PAI-DSW：https://data.aliyun.com/product/learn

 

程式碼裡有很多案例，除碼的是inpainting.ipynb這個檔案，

 

第三步，

執行整套程式碼，在Main Loop可以看到圖片生成的整個過程，我這裡截了幾張過程圖片大家可以看下。

 

 

 

 

 

總結

 

這個專案我覺得是一個比較有意思的小case，可以感受下機器生成圖片的整個流程，希望對大家有幫助。