可能大家听了很多还是不太明白,到底什么是神经网络呢?用一个非常简单的例子,我知道在座的各位可能学什么的都有,但是我相信大家初中数学一定学过一个公式叫y=kx+b。 神经网络就是已知y和x,求k和b的过程,就是可以理解为最简单的神经网络。 一个案例就是上图,如果我在二维平面中有一大堆点,如何寻找一条直线最好拟合它们的关系?这就是神经网络要做的事情,也是它最早被提出来做的工作。 AI如何“看”图片? 人类看到的图,比如说这个可能是一个图。但是我们知道,计算机看到的是数字,看到的是一个数值矩阵。 我们的神经网络既然是仿人类,所以它在学习过程中也像人类一样是学习一个图的特征的。从左到右,由浅入深。 我们可以看到左图,在浅层学到的是圆弧、直线,一些比较简单的特征。在深层的神经细胞中,可以学到一些圆,特定的形状作为它的特征。到了最右边的图,可以看到它学到了很高级的特征,比如说车轮的特征,车门的特征等等。 这样的话,当输入一个照片的时候,它就可以通过特征来识别,提取它看到这张图片的特征,根据特征来判断它看到的是什么。 什么是对抗生成网络? 今天重点的东西叫对抗生成网络,简称就是GAN,它的读音就像拼音一样,读“GAN”。所以大家可以查一下,在网上可以看到好多开车的标题叫“不要怂就是干”、“干来干去”,其实就是讲它的一个文章。 大家看到这张图会想到什么? 放了一个比较没有内涵的图,因为主办方跟我说今天不能在这儿开车。它原图其实长这样。 我们的GAN能干什么呢?可以通过看到左边的图片把右边画出来,好多人可能觉得这东西有大用。 AI如何“画”图? 我们的GAN到底是怎么形成的呢? 比如我们遇到一个新游戏,我们如何让自己变成高端玩家?我要玩,我一开始不知道怎么玩,所以我玩的时候会死。死的时候不断总结自己的经验,同时会查攻略,请教一些大神教我怎么玩这个游戏,我可以玩得更好。通过不断的尝试,不断学习的过程,我会玩的越来越好,直到把游戏玩通关。 我们的GAN其实是同样的道理,只不过可以用来生成文字,用来画画。 开始我们什么不会画,画完之后交给老师看,就是这个过程中老师来判断画到底好不好,如果不好应该怎么改进,开奖,久而久之会达到一个最终的效果。 这是计算机生成的,GAN在学之前画的最初的画,是一大堆噪点,什么内容都没有。 学着学着就可以画出我们想要的图了,达到这样的效果。 比如说可以复现出一个照片,可以给他一个照片,它可以仿照这个风格,把这个风格的照片迁移出来。 比如说刚才大家很关心的如何去马赛克的问题,这是我们团队所做的图。 右边是原图,atv,中间是计算机看着左边画出来的。为什么不太像呢?因为我们团队比较穷,设备跟不上,所以画出来的不太好。 还可以有更好玩的? 它还可以干什么好玩的呢?它还可以干这个。比如我们可以画一个线稿,来脑补出这个线稿应该长什么样子。 (责任编辑:本港台直播) |