1. สินค้า
  2.   ภาพ
  3.   Python
  4.   Neural Enhance
 
  

Open-Source Python API สำหรับรูปภาพ

ความละเอียดสูงสุดสำหรับรูปภาพโดยใช้ Deep Learning

Neural Enhance คืออะไร?

Neural Enhance เป็น Python API โอเพ่นซอร์สสำหรับการปรับปรุงภาพ API ปรับปรุงรูปภาพโดยใช้การเรียนรู้เชิงลึก การใช้ API ทำให้สามารถฝึกโครงข่ายประสาทเทียมและซูมภาพของคุณ 2x หรือ 4x ได้ คุณสามารถปรับปรุงภาพโดยการเพิ่มจำนวนเซลล์ประสาทในภาพ ด้วยชุดข้อมูลที่คล้ายกับภาพความละเอียดต่ำของคุณ

คุณสามารถปรับปรุงภาพของคุณโดยใช้ทั้ง CPU และ GPU ที่ทำการเรนเดอร์ HQ การสร้างเอาต์พุต 1080p บน GPU ควรใช้เวลาประมาณ 5 วินาทีหรือ 2 วินาทีต่อภาพ และ HQ การเรนเดอร์ CPU ควรใช้เวลาประมาณ 20-60 วินาทีสำหรับเอาต์พุต 1080

Previous Next

เริ่มต้นกับ Neural Enhance

วิธีที่แนะนำในการติดตั้ง Neural Enhance คือผ่าน Docker โปรดใช้คำสั่งต่อไปนี้เพื่อติดตั้ง Neural Enhance

ติดตั้ง Neural Enhance ผ่าน Docker

docker run --rm -v `pwd`:/ne/input -it alexjc/neural-enhance --help

ปรับปรุงรูปภาพผ่าน Python API ฟรี

Neural-Enhance API ช่วยให้สามารถปรับปรุงรูปภาพโดยทางโปรแกรม API จัดเตรียมรายการคำสั่งที่คุณสามารถใช้กับโมเดลที่ผ่านการฝึกอบรมล่วงหน้าที่มีอยู่ใน API เมื่อใช้ API คุณสามารถเรียกใช้สคริปต์ความละเอียดสูงเพื่อซ่อมแซมสิ่งประดิษฐ์ JPEG, ปัจจัยการซูม, ประมวลผลภาพคุณภาพหลายภาพด้วยการเรียกใช้ครั้งเดียว และแสดงภาพที่ส่งออก คุณสามารถปรับปรุงภาพของคุณได้อย่างง่ายดายโดยใช้โค้ดนี้หนึ่งบรรทัด

ปรับปรุงรูปภาพด้วย Python

  1. เปิดพรอมต์คำสั่ง
  2. ไปที่ไดเร็กทอรี Enhance.py
  3. เรียกใช้คำสั่งต่อไปนี้และส่งต่อประเภทไฟล์ การซ่อมแซม ตัวเลือกการซูม และเส้นทางของรูปภาพที่จะปรับปรุง

ปรับปรุงรูปภาพด้วย Python

# Run the super-resolution script to repair JPEG artefacts, zoom factor 1:1.
python3 enhance.py --type=photo --model=repair --zoom=1 broken.jpg
# Process multiple good quality images with a single run, zoom factor 2:1.
python3 enhance.py --type=photo --zoom=2 file1.jpg file2.jpg
# Display output images that were given `_ne?x.png` suffix.
open *_ne?x.png

ฝึกอิมเมจความละเอียดสูงผ่าน Python

ไลบรารีรูปภาพโอเพนซอร์ส Neural Enhance จะฝึกรูปภาพของคุณด้วยวิธีของคุณเอง API มาพร้อมกับโมเดลที่ได้รับการฝึกมาล่วงหน้า คุณสามารถฝึกกระบวนการของคุณเองได้โดยใช้พารามิเตอร์ตามชุดข้อมูลรูปภาพของคุณ คุณสามารถฝึกแบบจำลองของคุณโดยใช้การสูญเสียการรับรู้จากกระดาษ ฝึกแบบจำลองของคุณโดยใช้การตั้งค่าที่เป็นปฏิปักษ์ และอื่นๆ

ใช้โมเดลและการฝึกอบรมล่วงหน้า Super-Resolution ผ่าน Python API

# Pre-train the model using perceptual loss from paper [1] below.
python3.4 enhance.py --train "data/*.jpg" --model custom --scales=2 --epochs=50 \
    --perceptual-layer=conv2_2 --smoothness-weight=1e7 --adversary-weight=0.0 \
    --generator-blocks=4 --generator-filters=64
# Train the model using an adversarial setup based on [4] below.
python3.4 enhance.py --train "data/*.jpg" --model custom --scales=2 --epochs=250 \
         --perceptual-layer=conv5_2 --smoothness-weight=2e4 --adversary-weight=1e3 \
         --generator-start=5 --discriminator-start=0 --adversarial-start=5 \
         --discriminator-size=64
# The newly trained model is output into this file...
ls ne?x-custom-*.pkl.bz2
 ไทย