介绍
之前发布的AI演示网站“AI World2”新增了7个demo，共计20个demo。您也可以在智能手机上玩，所以如果您愿意，请尝试一下。
■ 网站链接
人工智能世界
■环境
Python、AWS(Lightsail)、Flask、Docker
演示列表
以下是演示列表，包括以前发布的演示。
| # | 标题 | 内容 | 使用模式 |
|---|---|---|---|
| 1 | 数字识别 | 带有异常检测的手写识别 |
|
| 2 | 图像去噪 | 降噪图像 |
|
| 3 | 人脸生成 | 不存在的人的人脸图像生成 |
|
| 4 | 面过渡 | 不存在的人的人脸图像转换 |
|
| 5 | 面部处理 | 使用文本编辑面部图像 |
|
| 6 | 人体检测 | 图像中的人体检测 |
|
| 7 | 物体检测 | 图像中的对象检测 |
|
| 8 | 图像修复 | 图像蒙版部分的重建 |
|
| 9 | 实例分割 | 图像中对象的分割 |
|
| 10 | 图像采样 | 从单张图像中采样 |
|
| 11 | 文字转图片 | 从文本生成图像 |
|
| 12 | 景观生成 | 风景图像生成 |
|
| 13 | 口罩追踪 | 视频中的实例分割 |
|
| 14 | 异常检测 | 缺陷图像中的无监督异常检测 |
|
| 15 | 骨架估计 | 视频中的人体骨骼估计 |
|
| 16 | 风格转移 | 图像风格转换 |
|
| 17 | 语义分割 | 图像语义分割 |
|
| 18 | 天空替换 | 视频中的空白区域检测和替换 |
|
| 19 | 超分辨率 | 图像超分辨率 |
|
| 20 | 视频修复 | 视频上的修复 |
|
这次添加的demo是7种#14-20。
demo#1-9请参考“AI World”的过往文章，demo#10-13请参考“AI World2”。
下面简单介绍一下这次添加的demo。
*由于GIF图片的大小限制，本页15、18、20的视频演示质量相当低，请到实际演示站点查看。
14.异常检测
这是使用 PaDiM 进行无监督异常检测的演示。
局部区域的嵌入向量是从一组正常图像中学习的，未知图像中异常的大小由与从正常图像中学习的嵌入向量的偏差程度来定义。由于只使用普通图像进行学习，因此它是高度通用的无监督学习。
嵌入在自然语言处理中经常使用，但我再次感受到它的高通用性。它直观且易于理解也很好。
15. 骨架估计
这是一个使用 OpenPose 对视频中的人进行骨骼估计的演示。
我们估计视频中每个人物区域的骨架。输入的只是视频，有点难看懂，不过也能得到人脸的轮廓。
即使对于一般的视频，我们也能够做出不会引起任何不协调感的估计，我认为您可以想象，如果您根据目的准备合适的拍摄环境，您可以获得姿势估计等非常实用的数据。增加。
16.风格转移
这是一个使用 CycleGAN 进行图像风格转换的演示。
通过施加一个约束（循环性）使样式转换的图像可以返回到原始图像并学习 GAN，可以生成仅转换样式的图像而不改变图像组成本身。与 pix2pix 不同，最大的优势是无需准备一对一的图像即可学习。
至于CycleGAN，马背上的斑马和类似莫奈的图像这样的图像非常有名，以至于我认为我只能以非常有限的方式改变纹理，但我可以将地图变成航空照片并进行绘制。有点惊讶它可以响应比我预期的更激进的变化，例如拍摄这样的建筑标签信息。关于这一点，我想尝试各种事情，看看我能走多远。
17. 语义分割
这是使用 PSPNet 进行语义分割的演示。
与实例分割不同，这里对图像的所有像素进行分割。
由于任务本身相当困难，因此在通用数据集上训练的模型仍然难以获得严格的对象边界。
18.天空更换
这是使用 SkyAR 在视频中进行天空区域检测和替换的演示。
左上角的“Original”为原始视频，在原始视频中通过分割检测天空区域，将检测到的区域替换为任意素材。
简单的素材替换会导致视频不自然，但是通过从原始视频中检测运动并以与原始视频相同的运动移动替换素材，我们实现了自然替换。
静态替换静止图像，动态替换视频。
19.超分辨率
这是一个使用 LIIF 的图像超分辨率演示。
上图为原图（128px），下图为超分辨率增加分辨率的图（512px）。
可以看到模糊的原始图像通过超分辨率清晰显示。
尤其是面部图像，如果只显示超分辨率图像，您可能不会注意到它们是 AI 生成的图像。
20.视频修复
这是使用 E2FGVI 进行视频修复的演示。
顶部是原始视频，底部是通过对原始视频应用掩码重建的视频。可以看到原视频中的人和车都消失了。
第一个和第三个使用原始准备好的掩码，而第二个和第四个使用从实例分割中自动生成的掩码。
掩码生成对于修复来说非常麻烦，但如果将其与实例分割相结合，则可以避免繁琐的掩码生成，并从视频中擦除任意对象。
概括
怎么样。
我这样做是为了即使那些不太熟悉人工智能的人也能直观地理解它，所以我希望你能喜欢它。
我觉得“16-Style Transfer”、“18-Sky Replacement”、“20-Video Inpaintng”有各种有趣的用途，所以我再深入一点，再给大家演示一下，希望可以公开。
■ 参考
奇塔篇
・AI World，一个可以玩 AI 的演示站点
・AI World 2，一个可以玩 AI 的演示站点
・深度度量学习
・图像去噪的深度学习
・可以玩图像处理的演示网站“IP World”
・酒店生活在云端
・将AI应用到实际业务中必不可少的HITL理念，以及加速HITL的AI x RPA
・RPAps的概念，对于RPA的推广至关重要
・任何人都可以轻松创建RPA的陷阱
・会搭建VBA的人可以轻松创建RPA的陷阱
个人博客
・职业框架等
原创声明：本文系作者授权爱码网发表，未经许可，不得转载;
原文地址：https://www.likecs.com/show-308624119.html