Deep Image от TEONITE - приложение, использующее машинное обучение для увеличения изображений без потери…

→ Загляните в наш БЛОГ
→ Следите за нами в: Facebook, Twitter, Instagram, LinkedIn

Вы когда-нибудь задумывались, откуда берутся новаторские идеи? В нашем программном доме TEONITE мы обычно реализуем идеи для решения или улучшения конкретной проблемы. Deep Image, приложение, созданное разработчиком полного стека TEONITE Анджеем, было создано случайно, чтобы решить определенную проблему, касающуюся качества графических файлов.

Хотите узнать, как работает Deep Image? Или как это было сделано? Ознакомьтесь с нашим примером использования ЗДЕСЬ

Чем вам может помочь Deep Image?

Прежде чем мы опишем, что такое Deep Image, проверьте, применимо ли к вам что-либо из следующего:

у вас есть легальные архивные графические файлы ваших любимых художников, вы хотели бы иметь их в виде плаката, но их разрешение не позволяет распечатать
у вас есть архив личных фотографий в низком разрешении и вы хотите улучшить их качество
вам нужно увеличить или вырезать определенный фрагмент фотографии / графики (например, школьную фотографию много лет назад), но вы беспокоитесь о качестве
вы работаете в CSI Miami и вам нужно улучшить изображение с городской камеры, потому что в очках прохожих вы можете видеть отражение лица преступника

Итак, как же на самом деле работает Deep Image?

Каждый графический файл представляет собой матрицу и набор данных, хранящихся в ней (числа - пиксели). После увеличения изображения объем данных не увеличивается, поэтому полученное изображение имеет визуально худшее качество. Между тем, в Deep Image, благодаря использованию машинного обучения, мы получаем изображение большего размера с гораздо лучшим качеством.

Нейроны, созданные по образцу человека, в действии

Ядром приложения является CNN или ConvNet - класс сверточных нейронных сетей, которые успешно используются для анализа изображений.

Сверточные сети основаны на биологических процессах, смоделированных на человеческих нейронах. В Deep Image сети развиваются. Сеть узнает, что линия на графике не может иметь острых краев и должна быть гладкой - чем больше вариантов сглаживания, тем лучше качество выходного файла.

«Нам нужно идти глубже!»

Работа с нейронными сетями не похожа на стандартный процесс программирования. Больше похоже на науку, основанную на отображении закономерностей.
Хотите узнать, как работает Deep Image? Или как это было сделано? Ознакомьтесь с нашим примером использования ЗДЕСЬ

Работа приложения основана на итерационном процессе, который доводит окончательную графику почти до совершенства. Все происходит автоматически через фреймворк, который используется в Deep Image - Keras (высокоуровневый API, написанный на Python для запутанных нейронных сетей TensorFlow и Theano).

Удалить артефакты / изменить размер

Весь процесс использует два алгоритма, разработанных на основе научных исследований:

Алгоритм масштабирования (изменение размера)
Алгоритм jpg (удаление артефактов)