服务外包赛资料
- 5. 1.3 提出方法
• 利用深度卷积对抗神经网络,学习随机噪声到无网纹证件照的映射关系
• 待处理的证件照通过Restful Api到达模型,利用形态学处理得到不带网纹的
残缺图像xerror
• 输入随机噪声 z 到训练好的模型中,得到随机证件照 Yrandom利用形态学处
理带网纹照片获得不带网纹的残缺图像 xerror,计算 Y 与 xerror 之间的均方
误差l1,并且将噪声 z 作为参数输入到Adam算法收敛l1
• 将收敛得到的随机证件照 Yrandom 与残缺图像 xerror 做异或处理得到修复
图像 Y
- 8. 2.1 训练对抗卷积神经网络
• 代码参考 carpedm20 在Github上开源的 DCGAN in Tensorflow
• 训练了三天三夜获得了比较良好的完全由网络想象得到的人脸(颜值
普遍偏低)
图3. 第25 epoch 时的训练结果 不存在数据集的人脸
- 11. 2.5 算法
• 利用深度卷积对抗神经网络,学习随机噪声到无网纹证件照的映射关系
• 输入随机噪声 z 到训练好的模型中,得到随机证件照 Yrandom利用形
态学处理带网纹照片获得不带网纹的残缺图像 xerror
• 计算 Y 与 xerror 之间的均方误差l1,并且将噪声 z 作为参数输入到
Adam算法收敛l1
• 将收敛得到的随机证件照 Yrandom 与残缺图像 xerror 做异或处理得到
修复图像 Y
- 12. 3. 团队协作
• 整个项目采用 算法内核 + 工程体系 同步推进
• 由团队负责算法同学使用 Tensorflow 做核心算法研究,并且
包装成可以被外部调用的接口
• 负责工程体系的同学按照业务需求使用Flask构建基于 Restul
Api的外部接口,并且作为系统服务运行在GPU服务器上
• 项目团队负责人负责了整个项目对外交涉,需求划分,价格
洽谈的工作