Главная Новости События Обзоры Объективы Статьи Магазин Форум Поиск
Twitter Facebook rss-лента

Исследователи разработали алгоритм ИИ, с удивительной точностью убирающий шум с фотографий

11.07.2018

Команда исследователей NVIDIA вместе с учеными из Университета Аалто и Масачусетского Технологического Института разработали новую систему искусственного интеллекта (ИИ), которая крайне точно убирает зерно из фотографий, эффективно снижая их “шумность”.

“Используя графические процессоры NVIDIA Tesla P100 с cuDNN-ускоренным фреймворком глубокого обучения TensorFlow, команда натренировала систему на 50 000 изображениях из набора валидации ImageNet”, - сообщает NVIDIA в своем блоге.


Результаты для Пуассоновского шума. Результат был получен, используя “шумовые цели”.

Слева - исходное изображение с шумом, посередине - результат удаления шума, справа - исходное изображение без шума.

Что поражает в этом алгоритме, это то, что он знает как должно выглядеть чистое изображение, при том, что алгоритм вообще не видел изображения без шума. Вместо того, чтобы натренировать данную сеть, показывая шумное и чистое изображение, ИИ NVIDIA показывали изображения с двумя различными паттернами шума.


Случайный импульсный шум. ИИ тренировался только на шумных парах изображения.

Самое левое изображение - пример тренировочных пар, второе слева - исходное изображение с шумом, третье слева - результат удаления шума, правое изображение - исходное изображение без шума.

“Возможно научить [нейронную сеть] восстанавливать сигналы без наблюдения чистых сигналов, с эффективностью иногда превышающей тренировку с использованием чистых экземпляров”, - пишут исследователи. В отчете также сообщается: “[нейронная сеть] находится на одном уровне с самыми современными методами, использующими примеры чистого изображения - используя точно такую же методику обучения и часто без значительных недостатков во времени обучения или производительности”.


Пример с восстановлением магнитно-резонансной томографии. Верхняя тройка - МРТ сканы, нижняя тройка - спектральные данные. (а) Исходное изображение с 10% сохраненных спектральных образцов (b) Реконструкция с помощью сети, натренированной на шумных изображениях сходных с исходным изображением (c) Оригинальное неповрежденное изображение.

В дополнение к использованию сети на фотографиях, исследователи также отмечают, что алгоритм может эффективно применяться в научных и медицинских целях. В частности, исследователи подробно описывают, что изображения, полученные с помощью магнитно-резонансной томографии (МРТ), которые очень восприимчивы к шуму, могут быть значительно улучшены с помощью программы, что приведет к более точной постановке диагнозов.

Команда исследователей презентует свою работу на Международной конференции по машинному обучению 12 июля 2018.

Предыдущая новость | Следующая новость | Вернуться к списку новостей
Оставить комментарий

Популярные обзоры

Обзоры

15.09.2018  Nikon D850
15.08.2018  Фотовспышки Godox Witstro AD360II-C для Canon
28.07.2018  Фотовспышки Godox Thinklite TT680N
15.06.2018  Объектива Sony FE 85mm f/1.4 GM
10.05.2018  Фотоаппарата Fujifilm X-E3 body
Все обзоры:
По дате По бренду Награды

Последние темы форума

Перейти на форум
Главная Новости События Обзоры Объективы Статьи Магазин Форум Поиск
ONFoto © 2010- - Использование материалов только с разрешения администрации сайта OnFoto
Размещение рекламы на сайте