乐趣区

关于android:HMS-Core机器学习服务图像超分能力基于深度学习提升新闻阅读体验

在挪动端浏览资讯时,人们对高分辨率、高质量的图像要求越来越高。但受限于网络流量、存储、图片源等诸多因素,用户无奈便捷取得高质量图片。挪动端显示设施的高分辨率图片取得问题亟待解决。不久前,HMS Core 新闻 Demo App 针对新闻垂域的浏览体验做了一系列更新优化,其中就包含图像超分。

图像超分辨率(Super Resolution)指的是从给定的低分辨率(LR)图像中复原高分辨率(HR)图像的过程,是计算机视觉图像增强畛域重要的钻研方向。HMS Core 新闻 Demo App 为解决用户观看新闻资料的过程中图片不清晰的问题,应用了机器学习服务 [](https://developer.huawei.com/…) 的图像超分能力。用户在新闻浏览界面点击图片,能够看到图片菜单显示“应用 ML 服务进行图像超分”,再点击就能疾速播种高质量图片。它还反对图片的下载和保留。等同大小的图片,通过图像超分后分辨率广泛晋升 100%~300%,可能无效解决图片因低分辨率而影响用户浏览体验的痛点。

技术背景

那么,HMS Core 机器学习服务图像超分能力是怎么实现的呢?

一般来说,对于图像分辨率有余的问题,传统的解决办法次要是 ** 基于插值的超分辨率重建和基于进化模型的超分辨率重建。

基于插值的超分辨率重建办法通常提供过于平滑的重建图像,是通过最近邻插值法、双线性插值法和双立方插值法来补充失去局部的像素细节,从而来加强图像的分辨率。

基于进化模型的超分辨率重建办法则是从图像高分辨率到低分辨率的降质进化模型登程,通过提取低分辨率图像中的要害信息,并联合对未知的超分辨率图像的先验常识来束缚超分辨率图像的生成。

然而传统解决办法存在计算成本高、性能不稳固等问题。随着人工智能,尤其是深度学习在计算机视觉中的广泛应用,人们开始摸索应用智能的办法来克服传统技术的诸多弊病,比方 基于深度学习的超分算法

基于深度学习的办法就是利用大量的训练数据,学习低分辨率图像和高分辨率图像之间某种对应关系。而后依据学习到的映射关系来预测低分辨率图像所对应的高分辨率图像,从而实现图像的超分辨率重建过程。

技术劣势

HMS Core 机器学习服务的超分辨率算法基于深度神经网络,依靠硬件的神经网络加速器,提供了实用于挪动终端的 1x 和 3x 的超分能力。1x 超分是在分辨率不变的状况上来除压缩噪声,取得更加锐利、洁净的图片;3x 超分在无效克制压缩噪声的同时,应用智能办法将其放大,令其分辨率更高,提供 3 倍的放大能力,失去更加清晰的细节纹理。

并且超分辨率算法依靠华为手机弱小的 NPU 芯片,对最大 800×600 的图片进行超分时,仅需不到 600 毫秒的工夫,相比于纯 CPU 计算,速度晋升了近 50 倍。超分辨率 API 的附加 ROM、RAM 耗费也十分小,内置于华为手机中,能够在无效减小应用程序尺寸的同时让利用更加轻便。

由此得悉,HMS Core 机器学习服务图像超分能力在计算机视觉中的广泛应用,具备 高画质、高速度、超轻便 的技术劣势,可无效克制压缩噪声,节俭存储和流量。在图片分辨率有余的状况下,大大改善小图片放大浏览时的体验。

图像超分辨率除了在新闻浏览场景中晋升浏览体验,还可利用于医学成像、地理观测、生物信息辨认等畛域,HMS Core 机器学习服务图像超分能力也将继续进行技术革新,为更多行业提供实用高效的解决方案。

理解更多详情 >>

拜访华为开发者联盟官网
获取开发领导文档
华为挪动服务开源仓库地址:GitHub、Gitee

关注咱们,第一工夫理解 HMS Core 最新技术资讯~

退出移动版