python 马赛克还原_卷积神经网络教你如何还原被马赛克的文本图像

对人类来说，将带有文字的图像锐化是很容易的。以图1为例。

图1：被锐化的图像

把图1恢复为图2也不是件很困难的事。

图2：原图

然而，我们是懒惰的，并且不想这样做，所以我们尝试用神经网络来自动实现图片的不模糊化！

发展

得到被模糊的文本的实图和它们的不模糊的副本是不容易的，因此在时间的兴趣中产生了一个训练集。生成文本图像并将它用计算机软件进行模糊处理是很简单的，一个python脚本利用PIL(python图片库)就可以完成。训练集的大小可以储存10.000张图片。训练集的例子可以在图3中找到。

图3:训练集的例子。上一行显示输入图像，而下一行显示输出目标。

让Fθ成为不模糊图像神经网络，Y1,Y2,…,Yn成为图像，然后X1,X2,…,Xn作为模糊的副本。我们为神经网络找到参数θ，该神经网络最小化了每个图像的每个像素的均方差。

为了解决这一问题，我们尝试了两种Fθ的架构。然而，它们都是某种形式的卷积神经网络。

第一个架构尝试的是一些卷积层，它们具有相同的输入和输出维度，也就是说，当在tf.conv2d函数中填充 “SAME”设置时，才会得到结果。然而，中间层的通道数量并不是固定的。在层间，除了最后一层使用的是一个被激活的正常的ReLU，LeakyReLU被用