知道步兵和骑兵的区别么，步兵是没“码”的。今天就给大家介绍一种去码的方法

背景概念

 

废话不多说，先看下效果：

上图中的左边的图有很多干扰，右边是经过本文要介绍的方法所处理后的结果。从图片去码的原理来讲，在深度学习领域大致有两种方法：

1. 学习法，就是通过大量代码的图片放入神经网络进行训练和学习，让神经网络可以学习到图片打码的一些特征，从而生成一个可以去掉码的模型。这种方法其实是深度学习领域常用的一种思路。问题是需要大量打标的图片，以及大量计算资源。

2. 生成法，因为一个高像素的图片是由很多低像素元素拼接生成的，如果可以学习到图像的生成规则，找到图像的主体部分，就可以排除码的影响，也就是本文介绍的方法

 

方法2的论文，大家有兴趣可以去翻翻：https://sites.skoltech.ru/app/data/uploads/sites/25/2018/04/deep_image_prior.pdf

步骤

第一步，

clone整个工程，github地址：https://github.com/DmitryUlyanov/deep-image-prior

 

第二步，

将代码放入有GPU的运行环境中（在无GPU环境下是无法执行的），这里博主用的是PAI-DSW：https://data.aliyun.com/product/learn

 

代码里有很多案例，除码的是inpainting.ipynb这个文件，

 

第三步，

运行整套代码，在Main Loop可以看到图片生成的整个过程，我这里截了几张过程图片大家可以看下。

 

 

 

 

 

总结

 

这个项目我觉得是一个比较有意思的小case，可以感受下机器生成图片的整个流程，希望对大家有帮助。