科创中国

电子信息技术,软件

每个人每一天使用互联网，都会和各种格式的图片打交道，其中大部分图片格式在创造之初的目的并不是为了保存完整的图片信息，而是在占用空间尽可能小的同时保存更多的图片信息。不仅如此，看到的图片往往是被创造出来后经过互联网上复杂渠道层层转发分享的结果，其中有太多机会被压缩（聊天软件，浏览器省流量访问，各种应用转发等等）。看到的马赛克也许原本是一张高清艳丽的图片.看看就过的图片还好，当特别喜欢某张图片，想用作壁纸或者 PPT 素材的时候就会发现原本看起来还行的清晰度瞬间变成了马赛克。如果真的是特别喜欢这张图片，会花费精力去各处寻找原图，不过假设图片在它们被上传时清晰度就不能满足要求，那么即使找到原图也无济于事。除了寻找原图，我们还可以将图片放大到甚至比原图还清晰。 真正无损放大图片在理论上是不可能的，图片增强算法实际上是猜测那里有本有什么，好的算法会猜的更准确。为了速度更快效果更好，我们使用了卷积神经网络（CNN）的前向推到算法，对图片进行放大增强的处理。卷积神经网络(CNN)与常规神经网络不同，卷积神经网络的各层中的神经元是3维排列的：宽度、高度和深度。其中的宽度和高度是很好理解的

使用的图像超分辨率算法对图片进行增强时，具有更高的图片质量，人眼看上去和无损的图片差异最小。采用了自主设计的新型图片退化方法，通过分析真实图片中的模糊和噪声，模拟真实图片的退化过程；不需要成对的训练数据，利用无标记的数据即可进行训练；可以处理低分辨率图像中的模糊噪声问题，得到更加清晰干净的高分辨结果。算法的主要步骤可以分为两个模块：退化模型的估计，超分模型的训练。 而且和单纯的图片增强技术不同，该创新点有以下几个： 图片增强技术和数据恢复相结合。在windows和android设备中，图片存在缩略图。在windows的ssd中删除，原图会很快就找不回来；在android 9以后的设备，在误删后，原始图片无法找到。找到的原图的缩略图，再进行放大增强，从而得到一张清晰度不错的图片，是一种较优的选择。 图片增强技术和图片修复相结合。在图片的数据部分不完整时，图片无直接打开浏览，或者仅可浏览部分内容。从图片中提取缩略图，对缩略图进行图片增强，再和图片剩余的数据信息进行合并，比单纯的图片增强的质量更好。 由于该算法对GPU的显存要求较高，在性能不太好的设备上运行时，耗时会特别久。

曾供职于万兴科技，多媒体产品线，下载传输产品线，是Mac类产品的第一批开拓者。 供职于腾讯的社交平台部和优图实验室，参于开发过日活用户过亿的QQ iOS版，及日活用户千万级的QQ空间iOS版。参于过人体人脸人手关键点、图片标签，人像分割等机器学习多个SDK的封装。 擅长客户端软开发。