एक उल्लू के शेष को तंत्रिका नेटवर्क के आधार पर ड्रा करें

मंडलियों से एक उल्लू को पूरा करने का विचार तंत्रिका नेटवर्क की मदद से महसूस किया गया था।

मशीन लर्निंग और एक तंत्रिका नेटवर्क के आधार पर, डेवलपर क्रिस्टोफर हेसे ने एक ऑनलाइन सेवा बनाई जो पूरे रंगीन तस्वीरों के लिए "रेखाचित्र" तैयार कर सकती है।

वेबसाइट http://affinelayer.com/pixsrv/index.html क्रिस्टोफर हेस्से एक तंत्रिका नेटवर्क प्रस्तुत करता है जो बिल्लियों को खत्म कर सकता है।

उपयोगकर्ता को बाईं खिड़की में बिल्ली का एक स्केच बनाने के लिए आमंत्रित किया जाता है, "प्रक्रिया" पर क्लिक करें और देखें कि तंत्रिका नेटवर्क चित्रण कैसे करता है। पेज इस तरह के एक सुंदर उदाहरण को दर्शाता है:

जाहिरा तौर पर स्केच में अधिक लाइनों का उपयोग किया जाता है और स्केच एक प्रशिक्षण सेट से एक बिल्ली की तरह दिखता है, बेहतर होगा कि तंत्रिका नेटवर्क इसके आधार पर एक पूर्ण-ड्राइंग तैयार करेगा।

यहाँ वह है जो लेखक खुद लिखता है:

हाल ही में, मैंने इसोला और अन्य लोगों पर एक टेंसरफ़्लो पिक्सपिक्स पोर्ट बनाया, जो टेंसोरफ़्लो में इमेज-टू-इमेज ट्रांसलेशन लेख में चर्चा की गई है । मैंने पहले बनाए गए कुछ मॉडल लिए और परीक्षण के लिए एक इंटरैक्टिव वेब पेज बनाया। देखने के लिए Chrome ब्राउज़र की अनुशंसा की जाती है। Pix2pix मॉडल छवियों के जोड़े पर प्रशिक्षण के द्वारा काम करता है, जैसे कि भवन मुखौटा का एक स्केच और भवन facades की पूरी छवि, और फिर स्थानांतरित किसी भी इनपुट छवि के लिए उपयुक्त आउटपुट छवि उत्पन्न करने की कोशिश करता है। यह विचार से उत्पन्न होता है
pix2pix लेख , जो पढ़ने के लिए अनुशंसित है।

Facades
मॉडल facades के पूर्ण-विकसित छवियों के लिए facades के निर्माण के नमूने पर प्रशिक्षित किया गया था। यह संभावना नहीं है कि यह मॉडल एक बड़े खाली क्षेत्र के साथ स्केच पर काम करेगा, लेकिन यदि आप स्केच में पर्याप्त संख्या में खिड़कियां खींचते हैं, तो अक्सर मॉडल अच्छे परिणाम देता है। स्केच चित्र में, न केवल सीमाओं, बल्कि पूरे तत्वों को इंगित करने के लिए रंगीन आयतों के साथ मुखौटा तत्वों को खींचा जाता है।

मेरे पास भवन के विभिन्न हिस्सों के नाम नहीं हैं, इसलिए मैंने उन्हें मोटे तौर पर नामित किया है।

edges2cats
प्रशिक्षण इन तस्वीरों के लिए स्वचालित रूप से उत्पन्न सीमाओं के साथ बिल्लियों और स्केच की लगभग 2,000 तस्वीरों पर हुआ। मॉडल रेखाचित्रों से बिल्लियों की रंगीन छवियां बनाता है, लेकिन कुछ का सामना बुरे सपने से होता है। इनमें से एक मैंने यहां देखा था ।
कुछ तस्वीरें विशेष रूप से डरावना लगती हैं, मुझे लगता है, क्योंकि बिल्लियों को सही ढंग से नहीं खींचा गया था, खासकर आंखों के पीछे से। ऑटो-जेनरेटिंग बॉर्डर्स के लिए प्रक्रिया बहुत उच्च-गुणवत्ता वाली नहीं थी, और कई मामलों में एक बिल्ली की आंखों को प्रकट नहीं किया गया था, जो मॉडल प्रशिक्षण के लिए तैयार छवि डेटाबेस की गुणवत्ता को प्रभावित करता है।

किनारों 2shoes
प्रशिक्षण Zappos से एकत्र जूते की लगभग 50 हजार छवियों के आधार पर आयोजित किया गया था, साथ ही साथ इन छवियों के लिए स्वचालित रूप से तैयार की गई सीमाएँ भी। यदि आप वास्तव में जूते की सीमाओं को अच्छी तरह से आकर्षित करते हैं, तो आप कुछ नए डिजाइन बनाने की कोशिश कर सकते हैं। ध्यान रखें कि मॉडल को वास्तविक वस्तुओं पर प्रशिक्षित किया गया था, इसलिए यदि आप एक बेहतर 3 डी स्केच बना सकते हैं, तो परिणाम बेहतर दिखेगा।

किनारों 2 हैंडबैग्स
पिछले वाले के साथ, अमेज़ॅन से एकत्र बैग के लगभग 137 हजार फ़ोटो के आधार पर प्रशिक्षण किया गया था, इन तस्वीरों के लिए स्वचालित रूप से रूपरेखा सीमाएं उत्पन्न हुई थीं। यदि आप एक हैंडबैग के बजाय यहां एक जूता खींचते हैं, तो आपको एक बहुत ही अजीब जूते की बनावट मिलेगी। Pix2pix-tanorflow से Pix2pix.py स्क्रिप्ट का उपयोग करके

कार्यान्वयन
प्रशिक्षण और मॉडलों का निर्यात किया गया था। कैनवस एपीआई का उपयोग करते हुए जावास्क्रिप्ट पर आधारित एक इंटरेक्टिव डेमो बनाया जाता है, जो एक ऐसे सर्वर के साथ इंटरैक्ट करता है जो टेंसरफ्लो छवियों को प्रसारित करता है। सर्वर स्वयं Tensorflow शुरू कर सकता है या Tensorflow Cloud Cloud Google सेवाओं के लिए अनुरोध भेज सकता है।
प्रशिक्षित मॉडल GitHub के डेटासेट अनुभाग में उपलब्ध हैं । मूल Pix2pix कार्यान्वयन के साथ आने वाले मॉडल भी उपलब्ध होने चाहिए। Pix2pix.py स्क्रिप्ट का उपयोग करके मॉडल को प्रशिक्षित उदाहरणों से निर्यात किया जा सकता है और निर्यात किए गए मॉडल के लिंक GitHub सर्वर पर README फ़ाइल में हैं ।
बिल्ली की तस्वीरों के लिए सीमाओं को होलिस्टिक-नेस्टेड एज डिटेक्शन एल्गोरिदम का उपयोग करके प्राप्त किया गया था और इस कार्यक्षमता को स्क्रिप्ट में जोड़ा गया था।डॉक्यूमर इमेज में process.py और संबंधित निर्भरताएँ जोड़ी गई हैं ।

Source: https://habr.com/ru/post/hi401835/