母親節倒計時，選禮物救急指南

https://mp.weixin.qq.com/s/y_uCmLzAuqOhxUa8ksfobw

By 超神經

場景描述：選禮物是千古大難題之一，母親節來臨之際，藉助機器學習、大數據分析、圖像加強等 AI 技術，能夠幫你爲母親送上一份走心的禮物。

關鍵詞：母親節 機器學習 大數據 圖像加強 神經網絡

距離母親節只剩兩天了，你爲母親大人選好禮物了嗎？

要讓禮物達到美觀、實用兼具且能討母上大人喜歡，這實在是一個使人糾結的難題，對於平時置身代碼海洋中的程序員來講更是使人頭大。

置身代碼海洋沒法自拔的程序員

根據不靠譜情報，在母親節來臨之際，程序員表現各有不一樣：

第一種：什麼？母親節快到了？

第二種：奧，母親節快到了，到時候給我媽打個電話吧，問問她想要啥禮物。

第三種：打開某電商 App，搜索「母親節禮物」，從推薦列表的前三個裏面選1個（通常是按摩工具之類）。

第四種：打開某電商 App，搜索「清潔工具套裝」，而後買一套掃帚拖把雞毛撣子寄給母上大人……

「媽媽再打我一次」禮物套裝

還有連電商 App 都沒有的程序員，可能會直接選擇最簡單直接的方法：發紅包。

因此，禮物到底該怎麼選？ 據說，AI 已經比你會選了。

選項一：用算法推薦中意的禮物

有一款叫作「禮記」的小程序，利用大數據與機器學習，經過 5-6 個對送禮對象問題的回答，就能推薦出量身定製的禮物清單。

「禮記」的選禮問卷

通過親測，推薦跟被贈送者喜愛匹配度還不錯，若是沒有最中意的，也能經過推薦清單尋找靈感。

此外，歐萊雅也曾有過相似的嘗試，在 2017 年推出了一款聊天機器人 Beauty Gifter，根據送禮者及收禮者的問答，推薦最合適的化妝品禮物。

這款機器人是歐萊雅與 Automat 的一個合做項目，Beauty Gifter 選禮物的方式，仍是經過精心設計的問卷，尋找出最貼合的禮品。

被贈予者會收到卡片詢問他們的護膚、美妝偏好等。若是擔憂破壞了驚喜，只要送禮物的一方對這些信息足夠了解，也能夠本身來回答卡片問卷。

選項二：送媽媽靚麗穿搭

母親節，也能夠考慮送給媽媽一個穿搭助理。

在 2017 年 Facebook 年度開發者大會 F8 上，就有潮流和美妝服務機器人 Epytom Stylist 和 Sephora 現身。此後，亞馬遜也推出了 Echo Look，這款機器人將圖形識別功能和 Alexa 結合在一塊兒，幫助人們挑選服裝。

Echo Look 兼具圖形識別與語音識別功能

Echo Look 有一個深度感應攝像頭，和用於閃光燈的 LED 照明，以及計算機視覺等技術。它的工做原理是，穿好衣服後，經過聲控，幫本身拍攝全身長的景深照片或者短視頻，而後創建起用戶的我的服裝風格喜愛數據集。

以後，它會利用機器學習算法，結合時尚專家的建議，評估用戶的穿搭是否合適。 甚至對用戶的穿搭顏色、風格與潮流提供指導建議。

選項三：帶媽媽重溫美好舊時光

還有一招，親手用 AI 作一款科技與文藝兼具的禮物。

一款叫作「你我當年」的小程序，可以利用 AI 技術將老照片修復，從低清版變爲超高清版。

用它來修復林青霞，王祖賢等女星的話題，也一度成爲微博熱點。

修復後的女神照片，瞬間五官清晰，更加美麗動人

想一想看，把母親年輕時期的照片，恢復成清晰的圖像，幫媽媽找回年輕時的容顏，這應該算得上一份很走心的禮物了。

「你我當年」所使用的是圖像加強技術。利用 AI 提升圖像分辨率，並主要針對人的面部進行優化。

具體原理是，給算法提供大量的低分辨率圖像，而後再輸入這些圖片的高分辨率原圖，讓算法比較二者差別，學會增長分辨率的技巧。 最後就能還原模糊的圖片了。

在圖像加強方面，2018 年英偉達就曾提出基於深度學習去除照片噪點的方法，他們訓練的神經網絡，能夠在數秒內將模糊圖像變清晰。 而這款叫作 noise2noise 的新模型，優勢在於無需查看大量高分辨率樣本示例。

圖左：有噪點，不明生物；圖右：去除噪點，一隻考拉

研究小組從 ImageNet 數據集中，抽取了 5 萬張圖像，對 noise2noise 模型進行訓練，併爲每張圖像添加了隨機噪聲分佈。系統必須估計圖像中噪聲的大小並將其移除，最終能夠高質量的修復圖片。

選項四：抽空多陪陪媽媽

藉助 AI 的幫助，也許很快就能挑到讓媽媽們滿意的禮物，也許不能。由於，每個媽媽都是獨一無二的。

利用大數據分析和機器學習的方式，會給出個性化的建議，並且這種充滿科技感的方法，可以帶來新奇的體驗。

可是，其實顛撲不破的真理很簡單，最好的禮物就是，多抽出時間，多陪伴爸媽左右。

畢竟，回家纔是最好的禮物。

超神經百科

圖像加強 Image Enhancement

圖像加強的方法是經過必定手段對原圖像附加一些信息或變換數據，有選擇地突出圖像中感興趣的特徵或者抑制(掩蓋)圖像中某些不須要的特徵，使圖像與視覺響應特性相匹配。

圖像加強可分紅兩大類：頻率域法和空間域法。

前者把圖像當作一種二維信號，對其進行基於二維傅里葉變換的信號加強。採用低通濾波（即只讓低頻信號經過）法，可去掉圖中的噪聲；採用高通濾波法，則可加強邊緣等高頻信號，使模糊的圖片變得清晰。

後者空間域法中具備表明性的算法有局部求平均值法和中值濾波（取局部鄰域中的中間像素值）法等，它們可用於去除或減弱噪聲。