我们特别感谢DeOldify的开发者jantic,该项目处于持续维护状态，参与贡献人数已有25人，使用一种NoGAN的神经网络来训练，最终使得复原的照片毛刺几乎完全消失、人物皮肤更为自然，效果逼近真实的照片。
0. 测试环境
线上谷歌实验室，使用pytorch和Tesla P100的GPU，附上Colab实验室地址。
1. 效果图
如开头的清朝宫女图，……继续阅读 »
佰阅
2年前 (2020-09-15) 3296浏览 0评论
6个赞
waifu2x是日本的一位大佬nagadomi开发的开源项目，目前累计贡献者有31人，该项目利用人工智能深度卷积神经网络技术来无损放大图片，内置了多种RNN模型，现已支持web端、linux端，Windows客户端等,支持本地显卡CUDA加速,实际体验非常令人满意。
0. 在线体验
在线体验地址： http://waifu2x.udp.jp
开源地址： ……继续阅读 »
佰阅
2年前 (2020-09-14) 4178浏览 0评论
1个赞
图片超分辨采样技术，目前做的最牛的应该是nVidia的DLSS，基于1k到16k素材的海量训练，并借助RTX20系和30系显卡，实现了实时输出效果。不过我们平时可接触到的，其实也很多，比如阿里云、百度等都有相关API接口，可以实现低分辨图片的高清化或4K化，通常用于各种监控记录截图的清晰化处理，比如电视上一些警匪片中的图片处理效果，本期就来推荐下这个在线的……继续阅读 »
佰阅
2年前 (2020-09-12) 2891浏览 0评论
0个赞
人工智能正在彻底改变游戏，体现在游戏中的物理和动画模拟，以及实时渲染和AI辅助功能。DLSS是Deep Learning Super Sampling英文的缩写，借助深度学习超级采样（DLSS），NVIDIA着手通过基于AI的超分辨率重新定义实时渲染，渲染更少的像素，然后使用AI构造清晰、高分辨率的图像。最终在RTX20系和30系显卡上，获得两倍的帧率和超……继续阅读 »
佰阅
2年前 (2020-09-07) 1939浏览
0个赞
深度学习是数学与编程结合最紧密的领域之一，对计算有着大量的需求，而显卡GPU的CUDA引擎，在处理矩阵等数据量庞大的并行计算的时候，CUDA计算优势明显。人工智能发展至今，我们见识了从1998年LetNet的诞生到当今的百花齐放，得益于大数据和云计算，开发者们在本地尝试原型设计，然后在云端上开展最终的训练，可以说当今已经不受计算速度的影响了，只要你感想、感……继续阅读 »
佰阅
2年前 (2020-07-28) 2292浏览
0个赞
参考paperswithcode关于图像分类训练排行榜，我挨个尝试了各种神经网络，其中ResNeSt50残差网络的表现非常令人满意，精度从LetNet的72%提高到了86%左右。查阅资料才发现，虽然在该项目在今年4月份才诞生，但是GitHub已经标星2K多，下面就来具体介绍为啥这么厉害。
0. ResNeSt50残差网络
在测试ResNeSt50后，我也……继续阅读 »
佰阅
2年前 (2020-07-25) 3905浏览
3个赞
图像分类训练发展至今，究竟有多少种卷积神经网络呢？从1998年经典的LetNet，到2012年历史性的AlexNet，之后深度学习进入了蓬勃发展阶段，百花齐放，大放异彩。而LetNet是入门卷积神经网络的必经之路，因为其包含和卷积神经网络的基本框架，也就是卷积层、激活、池化层、全连接安全层，这几个基本组件也是后续许多神经网络的基本单元。
0. 图像分类训……继续阅读 »
佰阅
2年前 (2020-07-24) 1911浏览 0评论
1个赞
最近被人工智能吸引，是因为生活中越来越多的人工智能出现，比如阿里云语音合成、微软的形色APP植物识别、一甜相机的照片变漫画、各种语音AI如小爱、siri、小娜等，探秘其背后的逻辑，就会越发的感兴趣。这也是本站学习Pytorch的真正原因，以前我靠代码实现本地博客文章的智能发布，后面我将尝试用AI解决更多现实问题。本篇概述经验漫谈，理清人工智能的边界和趋势。……继续阅读 »
佰阅
2年前 (2020-07-21) 1787浏览
0个赞
在python原生编程中，我们常用sys.argv[1]来传递命令行下的参数，对单个函数而言，fire的操作也是类似，在__main__里定义fire.Fire(函数名)对象即可。但是在类上面，fire就显得非常高效。下面具体介绍。
0. 简介
开源地址：google/python-fire
python-fire是谷歌开源的一款自动生成命令行（cli）……继续阅读 »
佰阅
2年前 (2020-07-17) 1794浏览 0评论
0个赞
