哈嘍，大家好。
你有沒有想過用 AI 技巧去除馬賽克？
仔細想想這個問題還挺難的，因為我們之前使用的 AI 技術，不管是人臉辨識還是OCR識別，起碼人工能辨識出來。但如果給你一張打上馬賽克的圖片，你能把它復原嗎？
顯然是很難的。如果人都無法復原，又怎能教導電腦去復原呢？
還記得前幾天我寫的一篇《用AI生成頭像》文章嗎。在那篇文章中，我們訓練了一個DCGAN模型，它可以從任何隨機數字產生一個影像。
隨機數字作為像素產生的雜訊圖
#模型從隨機數產生正常頭像
DCGAN包含生成器模型和判別器模型兩個模型組成，生成器模型的作用是從一組隨機數產生一個圖片，圖片與訓練樣本越接近越好，從而騙過判別器模型，而判別器模型則要不斷提升鑑別能力，防止生成器模型產生的圖片蒙混過關。
如果我們把上述生成器模型的輸入由隨機數改成有馬賽克的圖片，輸出則是不帶馬賽克的圖片。是不是就可以訓練出一個去除馬賽克的模型了。
接下來，跟大家分享下如何訓練去除馬賽克模型，然後再分享一個現成的工具，大家可以下載下來直接用，試試看效果。
1. Pix2pix CycleGAN
這裡我們不用上面介紹的DCGAN，而是用Pix2pix和CycleGAN兩個更強大的模型，分別來訓練。
Pix2pix是基於GAN的圖像翻譯演算法，從馬賽克圖片到正常圖片，本質上跟一種語言到另一種語言的轉換類似，都是翻譯的過程。
Pix2pix模型翻譯
而CycleGAN的實現的效果，簡單來說就是將不同域之間的圖像轉換，而本身的形狀保持不變。
CycleGAN模型
文章為我們提供了資料集和完整的訓練過程，能夠幫助我們以較低的成本訓練模型。
首先，下載資料集
資料集
共 654M。
然後，下載Paddle預訓練模型
預訓練模型
最後，分別訓練Pix2pix和CycleGAN模型。
Pix2pix 模型
python gan<span style="color: rgb(215, 58, 73); margin: 0px; padding: 0px; background: none 0% 0% / auto repeat scroll padding-box border-box rgba(0, 0, 0, 0);">/</span>infer<span style="color: rgb(0, 92, 197); margin: 0px; padding: 0px; background: none 0% 0% / auto repeat scroll padding-box border-box rgba(0, 0, 0, 0);">.py</span> <br><span style="color: rgb(106, 115, 125); margin: 0px; padding: 0px; background: none 0% 0% / auto repeat scroll padding-box border-box rgba(0, 0, 0, 0);">--init_model output/pix2pix/checkpoints/110/ </span><br><span style="color: rgb(106, 115, 125); margin: 0px; padding: 0px; background: none 0% 0% / auto repeat scroll padding-box border-box rgba(0, 0, 0, 0);">--dataset_dir /home/aistudio/ </span><br><span style="color: rgb(106, 115, 125); margin: 0px; padding: 0px; background: none 0% 0% / auto repeat scroll padding-box border-box rgba(0, 0, 0, 0);">--image_size 256 </span><br><span style="color: rgb(106, 115, 125); margin: 0px; padding: 0px; background: none 0% 0% / auto repeat scroll padding-box border-box rgba(0, 0, 0, 0);">--n_samples 1 </span><br><span style="color: rgb(106, 115, 125); margin: 0px; padding: 0px; background: none 0% 0% / auto repeat scroll padding-box border-box rgba(0, 0, 0, 0);">--crop_size 256 </span><br><span style="color: rgb(106, 115, 125); margin: 0px; padding: 0px; background: none 0% 0% / auto repeat scroll padding-box border-box rgba(0, 0, 0, 0);">--model_net Pix2pix </span><br><span style="color: rgb(106, 115, 125); margin: 0px; padding: 0px; background: none 0% 0% / auto repeat scroll padding-box border-box rgba(0, 0, 0, 0);">--net_G unet_256 </span><br><span style="color: rgb(106, 115, 125); margin: 0px; padding: 0px; background: none 0% 0% / auto repeat scroll padding-box border-box rgba(0, 0, 0, 0);">--test_list /home/aistudio/test_list.txt </span><br><span style="color: rgb(106, 115, 125); margin: 0px; padding: 0px; background: none 0% 0% / auto repeat scroll padding-box border-box rgba(0, 0, 0, 0);">--output ./infer_result/pix2pix/</span>
登入後複製
CycleGAN 模型
python gan<span style="color: rgb(215, 58, 73); margin: 0px; padding: 0px; background: none 0% 0% / auto repeat scroll padding-box border-box rgba(0, 0, 0, 0);">/</span>infer<span style="color: rgb(0, 92, 197); margin: 0px; padding: 0px; background: none 0% 0% / auto repeat scroll padding-box border-box rgba(0, 0, 0, 0);">.py</span> <br><span style="color: rgb(106, 115, 125); margin: 0px; padding: 0px; background: none 0% 0% / auto repeat scroll padding-box border-box rgba(0, 0, 0, 0);">--init_model output/cyclegan/checkpoints/48/ </span><br><span style="color: rgb(106, 115, 125); margin: 0px; padding: 0px; background: none 0% 0% / auto repeat scroll padding-box border-box rgba(0, 0, 0, 0);">--dataset_dir /home/aistudio/ </span><br><span style="color: rgb(106, 115, 125); margin: 0px; padding: 0px; background: none 0% 0% / auto repeat scroll padding-box border-box rgba(0, 0, 0, 0);">--image_size 256 </span><br><span style="color: rgb(106, 115, 125); margin: 0px; padding: 0px; background: none 0% 0% / auto repeat scroll padding-box border-box rgba(0, 0, 0, 0);">--n_samples 1 </span><br><span style="color: rgb(106, 115, 125); margin: 0px; padding: 0px; background: none 0% 0% / auto repeat scroll padding-box border-box rgba(0, 0, 0, 0);">--crop_size 256 </span><br><span style="color: rgb(106, 115, 125); margin: 0px; padding: 0px; background: none 0% 0% / auto repeat scroll padding-box border-box rgba(0, 0, 0, 0);">--input_style A </span><br><span style="color: rgb(106, 115, 125); margin: 0px; padding: 0px; background: none 0% 0% / auto repeat scroll padding-box border-box rgba(0, 0, 0, 0);">--test_list /home/aistudio/test_list.txt </span><br><span style="color: rgb(106, 115, 125); margin: 0px; padding: 0px; background: none 0% 0% / auto repeat scroll padding-box border-box rgba(0, 0, 0, 0);">--model_net CycleGAN </span><br><span style="color: rgb(106, 115, 125); margin: 0px; padding: 0px; background: none 0% 0% / auto repeat scroll padding-box border-box rgba(0, 0, 0, 0);">--net_G resnet_9block </span><br><span style="color: rgb(106, 115, 125); margin: 0px; padding: 0px; background: none 0% 0% / auto repeat scroll padding-box border-box rgba(0, 0, 0, 0);">--g_base_dims 32 </span><br><span style="color: rgb(106, 115, 125); margin: 0px; padding: 0px; background: none 0% 0% / auto repeat scroll padding-box border-box rgba(0, 0, 0, 0);">--output ./infer_result/cyclegan/</span>
登入後複製
訓練完後，大家可以運行gan/infer.py文件，比較這兩種模型去除馬賽克的效果。
2. 現成工具
如果你不想自己訓練模型，這裡給大家分享現成的項目，它也是基於語義分割以及圖像翻譯，參考了Pix2pix和CycleGAN。
專案位址：https://github.com/HypoX64/DeepMosaics/blob/master/README_CN.md
對於Windows用戶，作者提供了包含GUI介面的免安裝軟體包。
UI介面
前面我們說過，這種技術還是比較難的，所以大家不要有太高預期。這裡發下實際的去除效果。
打碼
去碼
效果還是可以的，只不過沒有想像中那麼完美，大家可以下載運行試試。
#
以上是AI去除馬賽克，可還行？的詳細內容。更多資訊請關注PHP中文網其他相關文章！
