Користење на вештачка интелигенција за прекомпресија на слики

Алгоритмите управувани од податоци, како што се невронските мрежи, го зафатија светот. Нивниот развој е поттикнат од неколку причини, вклучувајќи евтин и моќен хардвер и огромни количини на податоци. Невронските мрежи моментално се во првите редови на сè што е поврзано со „когнитивни“ задачи како што се препознавање слики, разбирање природен јазик итн. Но, тие не треба да се ограничуваат на такви задачи. Овој материјал опишува метод за компресија на слики со помош на невронски мрежи со користење на преостанатото учење. Пристапот претставен во статијата работи побрзо и подобро од стандардните кодеци. Шеми, равенки и, се разбира, табела со тестови под сечењето.

Оваа статија се заснова на ова работа. Се претпоставува дека сте запознаени со невронските мрежи и нивните концепти конволуција и функција на загуба.

Што е компресија на слика и во какви видови доаѓа?

Компресија на сликата е процес на трансформирање на сликата така што таа зазема помалку простор. Едноставното складирање на слики би заземало многу простор, така што има кодеци како JPEG и PNG кои имаат за цел да ја намалат големината на оригиналната слика.

Како што знаете, постојат два вида на компресија на сликата: нема загуби и со загуби. Како што сугерираат имињата, компресијата без загуби може да ги врати оригиналните податоци на сликата, додека компресијата со загуби губи некои податоци за време на компресија. на пример, JPG се алгоритми со загуби [прибл. превод - во основа, да не заборавиме и на JPEG без загуби], а PNG е алгоритам без загуби.

Споредба на компресија без загуби и загуби

Забележете дека сликата од десната страна има многу блокади артефакти. Ова е изгубена информација. Соседните пиксели со слични бои се компресирани како една област за да заштедат простор, но информациите за вистинските пиксели се губат. Се разбира, алгоритмите што се користат во кодеците JPEG, PNG итн. се многу посложени, но ова е добар интуитивен пример за компресија со загуби. Компресијата без загуби е добра, но компресираните датотеки без загуби заземаат многу простор на дискот. Постојат поефикасни начини за компресија на слики без губење на многу информации, но тие се прилично бавни и многумина користат итеративни пристапи. Ова значи дека тие не можат да се извршуваат паралелно на повеќе јадра на процесорот или графичкиот процесор. Ова ограничување ги прави целосно непрактични за секојдневна употреба.

Влез на конволутивна невронска мрежа

Ако нешто треба да се пресмета и пресметките може да бидат приближни, додадете нервна мрежа. Авторите користеле прилично стандардна конволутивна невронска мрежа за да ја подобрат компресијата на сликата. Презентираниот метод не само што функционира на исто ниво со најдобрите решенија (ако не и подобро), туку може да користи и паралелно пресметување, што резултира со драматично зголемување на брзината. Причината е што конволуционите невронски мрежи (CNN) се многу добри во извлекувањето просторни информации од сликите, кои потоа се претставени во покомпактна форма (на пример, се задржуваат само „важните“ делови од сликата). Авторите сакаа да ја искористат оваа функција на CNN за подобро прикажување на сликите.

архитектура

Авторите предложија двојна мрежа. Првата мрежа зема слика како влез и генерира компактна претстава (ComCNN). Излезот од оваа мрежа потоа се обработува со стандарден кодек (како што е JPEG). Откако ќе се обработи од кодекот, сликата се испраќа до втора мрежа, која ја „поправа“ сликата од кодекот во обид да ја врати оригиналната слика. Авторите ја нарекоа оваа мрежа за реконструкција CNN (RecCNN). Како и GAN, и двете мрежи се обучуваат повторливо.

ComCNN Компактен приказ префрлен во стандарден кодек

RecCNN. Излезот на ComCNN е зголемен и се доставува до RecCNN, кој ќе се обиде да го научи остатокот

Излезот на кодек е зголемен и потоа се внесува во RecCNN. RecCNN ќе се обиде да издаде слика што е што е можно слична на оригиналот.

Рамка за компресија на слика од крај до крај. Co(.) е алгоритам за компресија на слика. Авторите користеле JPEG, JPEG2000 и BPG

Кој е остатокот?

Остатокот може да се смета како чекор по обработката за „подобрување“ на сликата што се декодира од кодекот. Со многу „информации“ за светот, невронската мрежа може да донесе когнитивни одлуки за тоа што да поправи. Оваа идеја се заснова на резидуална обука, прочитајте ги деталите за кои можете тука.

Функции за губење

Се користат две функции за загуба затоа што имаме две невронски мрежи. Првиот од нив, ComCNN, е означен како L1 и е дефиниран како што следува:

Функција за загуба за ComCNN

Објаснување

Оваа равенка може да изгледа комплицирана, но всушност е стандардна (средна квадратна грешка) МБ. ||² значи норма на векторот што го заградуваат.

Равенка 1.1

Cr го означува излезот на ComCNN. θ ја означува способноста за обука на параметрите на ComCNN, XK е влезната слика

Равенка 1.2

Re() кратенка за RecCNN. Оваа равенка едноставно ја пренесува вредноста на равенката 1.1 на RecCNN. θ ги означува параметрите што можат да се обучуваат на RecCNN (капачето на врвот значи дека параметрите се фиксирани).

Интуитивна дефиниција

Равенката 1.0 ќе го принуди ComCNN да ги промени своите тежини така што, кога ќе се реконструира со помош на RecCNN, конечната слика изгледа колку што е можно слична на влезната слика. Втората функција за загуба на RecCNN е дефинирана на следниов начин:

Равенка 2.0

Објаснување

Повторно, функцијата може да изгледа сложена, но во најголем дел е стандардна функција за загуба на невронска мрежа (MSE).

Равенка 2.1

Co() значи излез од кодек, x со капа на врвот значи излез на ComCNN. θ2 се обучливи параметри на RecCNN, res() е едноставно преостанатиот излез на RecCNN. Вреди да се напомене дека RecCNN е обучен за разликата помеѓу Co() и влезната слика, но не и за влезната слика.

Интуитивна дефиниција

Равенката 2.0 ќе го принуди RecCNN да ги промени своите тежини така што излезот ќе изгледа колку што е можно слично на влезната слика.

Шема за обука

Моделите се обучуваат итеративно, слично на GAN. Тежините на првиот модел се фиксираат додека тежините на вториот модел се ажурираат, потоа тежините на вториот модел се фиксираат додека првиот модел се тренира.

Тестови

Авторите го споредија нивниот метод со постоечките методи, вклучувајќи едноставни кодеци. Нивниот метод работи подобро од другите додека одржува голема брзина на соодветниот хардвер. Дополнително, авторите се обиделе да користат само една од двете мрежи и забележале пад во перформансите.

Споредба на индекс на структурна сличност (SSIM). Високите вредности укажуваат на подобра сличност со оригиналот. Резултатите од работата на авторите се означени со задебелени букви.

Заклучок

Разгледавме нов начин за користење на длабоко учење за компресија на слики и зборувавме за можноста за користење на невронски мрежи во задачи надвор од „општите“, како што се класификација на слики и обработка на јазикот. Овој метод не само што не е инфериорен во однос на современите барања, туку исто така ви овозможува да обработувате слики многу побрзо.

Стана полесно да се проучуваат невронските мрежи, бидејќи создадовме промотивен код специјално за жителите на Хабра HABR, давајќи дополнителен попуст од 10% на попустот наведен на банерот.

• Подучување на професијата наука за податоци од нула
• Онлајн Bootcamp за наука за податоци
• Обука на професијата аналитичар на податоци од нула
• Онлајн Bootcamp за анализа на податоци
• Курс Python for Web Development

Повеќе курсеви

• Курс за анализа на податоци
• Курс DevOps
• Професија веб програмер
• Професија iOS програмер од нула
• Професија Андроид програмер од нула
• Професијата Java програмер од нула
• Курс за JavaScript
• Курс за машинско учење
• Курс „Математика и машинско учење за наука за податоци“
• Напреден курс „Machine Learning Pro + Deep Learning“

Избрани статии

• Како да станете научник за податоци без онлајн курсеви
• 450 бесплатни курсеви за Ivy League
• Како да студирате Машинско учење 5 дена во неделата 9 месеци по ред
• Колку заработува аналитичарот на податоци: преглед на платите и слободните работни места во Русија и во странство во 2020 година
• Машинско учење и компјутерска визија во рударската индустрија

Извор: www.habr.com