告別Photoshop 神經網絡磨皮技術解密

技術宅

說到磨皮、美顏、去皺等這些美容操作，很多人第一時間想到的就是Photoshop。的確Photoshop可以很方便地實現上述美容，不過Photoshop操作難度大，上手不易也是公認的，對于大部分人說，要熟練掌握Photoshop絕非易事。但是隨著手機拍照的流行，照片美容又有很大的需求。隨著人工智能技術的普及，通過神經網絡技術對圖片進行智能處理可以獲得更好的Photoshop效果。

黑科技？神經網絡是個什么鬼

說到神經網絡，很多朋友都會認為這是一個高大上的概念。從生物學角度來說，人類復雜的神經系統(tǒng)是由數目繁多的神經元組合而成，它們互相聯(lián)結形成神經網絡，經過對信息的分析和綜合，再通過運動神經發(fā)出控制信息，從而實現各種精密活動，如識別各種物體、學習各種知識、完成各種邏輯判斷等。

隨著人工智能技術的發(fā)展，科學家開發(fā)出人工神經網絡，它的構成原理和功能特點等方面更加接近人腦。它不是按給定的程序一步一步地執(zhí)行運算，而是能夠自身適應環(huán)境、總結規(guī)律、完成某種運算、識別或過程控制。比如多倫多大學的Krizhevsky等人構造了一個超大型卷積神經網絡，有9層，共65萬個神經。第一層神經元只能識別顏色和簡單紋理，但是第五層的一些神經元可以識別出花、圓形屋頂、鍵盤、烏、黑眼圈等更為抽象豐富的物體（圖1）。因此神經網絡實際上是基于人工智能技術而形成的一種和人類神經網絡相似的網絡系統(tǒng)。

媲美Photoshop 神經網絡磨皮技術背后

如上所述，現在神經網絡技術發(fā)展已經非常迅猛，而且運用在各個領域。神經網絡磨皮則是指該技術在照片識別和美化方面的運用。那么它是怎樣實現對照片的美化？在Photoshop中磨皮操作是用戶先選中人臉區(qū)域，然后再使用Photoshop內置的方法實現磨皮。神經網絡磨皮原理類似，只不過這些操作是自動完成的。

首先是對照片人臉識別。要實現對照片的美容就必須先精確識別人臉，由于人臉有五官這個顯著特征，因此神經網絡磨皮技術只要通過機器對一定數量的人臉照片進行識別、讀取，然后就可以精確識別人臉。它的原理和常見的人臉識別技術類似（圖2）。

其次則是美化。在完成人臉識別后就需要對美化操作進行機器學習，以磨皮為例。因為人臉的每個年齡階段皮膚性質是不同的，為了達到更真實的磨皮效果，神經網絡磨皮是實現用戶“回到”幼年或者“穿越”到老年臉部皮膚的效果。研究人員將年齡段分類為0～18歲、19～29歲、30～39歲、40～49歲、50～59歲和60歲以上這幾個階段（圖3）。

然后準備兩個深度學習機器同時工作。兩個機器一個用來生成人臉，一個用來鑒別人臉。而且兩個機器會通過分析人臉圖像，提前學習到各年齡段人臉大概是什么樣子的。在每個年齡分組里，研究人員讓機器學習超過5000張標記過年齡的人臉圖像。通過大量的照片學習后，機器就可以學會每個年齡分組內的標簽，它可以準確知道每個人不同年齡階段的臉部特征。這樣無論你是要磨皮為年輕時的皮膚光滑、圓潤狀態(tài)，還是要變?yōu)?0歲以后皺褶、粗糙的皮膚，神經磨皮都可以輕松幫助你實現。

當然學習有個通病，就是在合成過程中，機器可能會喪失掉圖片原有的識別資料（1D）。為了解決這個問題，上述介紹中的人臉鑒別機器就發(fā)揮功效了。它通過查看這個照片的識別資料是不是唯一的，如果不是的話照片則會被拒絕輸出。研究人員讓機器合成10000張從數據庫中抽取出來的人像，這些照片之前從未用來訓練機器。然后他們用開發(fā)的軟件程序來檢測訓練前后的兩張照片是否為同一個人，測試結果顯示有80%經訓練的照片都被認為和原照片是同一個人（而作為對比，用其他方法加工照片，平均測試結果只有50%）。舉個簡單例子，如果40歲的用戶將自己磨皮為20歲的樣子，如果軟件程序來檢測訓練前后的兩張照片為同一個人，那么就輸出磨皮效果，從而讓用戶可以輕松磨皮到20歲的狀態(tài)。這樣經過訓練的神經磨皮算法可以很真實地實現人臉的磨皮。

神經網絡 不僅僅是磨皮

從上述介紹可以知道，神經網絡磨皮技術可以讓用戶可以很輕松地熟悉磨皮操作。對于用戶來說，磨皮操作極為簡單，他們只要輸入年齡數字，一切磨皮效果都可以通過程序內部算法自動實現。

這看似簡單的操作背后，實際上是人工智能、機器深度學習、大數據技術的綜合體現。當然這只是神經網絡在照片美化中的一個簡單應用，類似的神經網絡系統(tǒng)早已經運用在生活中的方方面面。如前段時間圍棋界網紅阿爾法狗，這只“狗”正是通過深度學習大量圍棋技術，通過智能學習成為打敗人類的圍棋高手（圖4）。當然平時我們經常接觸到的反垃圾郵件系統(tǒng)、百度大數據搜索等都可以看到神經網絡的影子。神經網絡越多應用在生活各個領域，為我們的工作和學習帶來越大的便利！