1新智元专栏

近年来深度学习在图像处理、音频处理以及NLP领域取得了令人瞩目的成绩，特别在图像处理领域，深度学习已然成为主流方法。本文介绍深度学习方法在图像翻译领域的应用，通过实现一个编码解码“图像翻译机”进行图像的清晰化处理，展示深度学习应用在图像翻译领域的效果。此外，由于神经网络能够自动进行特征工程，同一个模型，如果我们使用不同场景下的数据进行训练，便可适应不同的场景，真正实现了以不变应万变。在存在对偶关系的图像处理场景，不妨尝试一下“图像翻译机”方法，效果应该不会太差。最后我们介绍一下最近大热的生成对抗神经网络（GAN）在图像翻译的最新进展。

图像翻译，类似于语言翻译，是把一种图像转换为另一种图像，例如图像复原、把二维地图转换为三维地图、把模糊图像转换为清晰图像、把素描转化为彩图等等。在深度学习流行之前，进行图像翻译是一种stateofart的工作，以图像复原为例，原来常使用滤波的方法，针对不同种类的退化图像，需要使用不同的滤波方案。而现在使用深度学习方法，只要训练数据足够多，方法简单粗暴但效果很好。下面这些图例都可以归为图像翻译的范围：

这里让我们构造一个简单的编码解码“图像翻译机”进行模糊图像的清晰化处理，项目

转载请注明:http://www.aideyishus.com/lkgx/5276.html