前段時間，我做了個ai，叫小素，能夠把肖像轉成素描風格。受限於資料集，目前只是人物肖像的轉換效果還能看，其餘的如風景建築、花鳥蟲魚、風花雪月之類的，也可以轉換，只是效果嘛…只能說一切皆有可能！
下面是小素的幾張人物肖像的轉換效果：
這幾張轉換效果還是不錯的。特別是以下幾點值得讚賞：
最重要的：眼神的神韻**捉到並在素描影象中保留了下來（即顧城《一代人》中的黑色的眼睛裡的那一抹光明，注意瞳孔和黑眼珠不是單純的一團黑，而是有明暗過渡的）。
留白：中國化講究留白，有種「空即是色」的感覺。小素在這方面做的很好，留下了大片的空白，但卻不顯空洞，原因是第三條。
細節保留的很到位，雙眼皮、臥蠶、甚至眼睫毛都有所體現。可謂是寥寥數筆，盡顯風情。
頭髮有層次、紋理、明暗的變化，甚至素描影象中變得更飄柔了。
線條粗細、濃淡得當，可以參看髮梢、鎖骨等部位。
說到這裡，請允許我重新正式地介紹一下ai小素：
小素的全名是**素描ai家族的風暴降生素描一世、不彩者、無色之人、千面之素、留白之王、花裡胡哨總結者、安達爾素人和先民的女王、草原上的卡麗素、打碎繽紛者以及素之母！**
家族箴言是winter is coming, color is gone【凜冬將至，天下皆素】！
因此，小素又被稱為white walker！
其實遠在做出小素之前，做影象轉素描的想法就已經早早地存在了。cvpy.net上線之初，我就做了最簡版的影象轉素描功能。最簡版有多簡呢，除了讀圖只呼叫了乙個函式，不能更簡了吧。這唯一的乙個發揮作用的函式就是opencv元老——厚德大佬threshold。厚德大佬的**如下：
固定閾值分割：
沒錯，就是通過二值化實現類似的素描的效果。體驗不太好的地方在於，每來一張圖都需要手動調參，以尋求乙個比較好的素描效果。由於原理簡單，很多時候調參也未必能調出乙個好的效果來。對於學習opencv同學來說，厚德大佬threshold存在的意義更大一些。畢竟他可以讓人直觀地看到threshold的函式效果，通過調參直觀地感受不同引數的不同取值對於結果的影響。
下面是我隨便調參的兩張圖，注意紅框中的引數變化：
這是調參結果還能看的，至於調參之後仍然不能看的，我就不展示了。畢竟「家醜不可外揚」。但是你可以自己去嘗試製造屬於自己的「家醜」…(感覺**怪怪的！)
模型結構如下，一看就知道為啥叫優方奈。
筆者試過其摳圖效果之後，不禁勾起了厚德大佬時代就埋下的素描化的思想萌芽。既然其摳圖的效果這麼好，那麼能不能用它來做素描轉換呢？
邏輯上好像沒啥問題，那就試試吧。
最困難的問題是資料集**來？恰逢筆者前段時間剛看了一篇**，叫《apdrawinggan》。顧名思義，這篇文章使用gan來做肖像素描化的。具體細節本文按下不表，有興趣的可以去看**和**。筆者感興趣的是，作者給出了包含將近500張的資料集。部分截圖如下：
是的，你沒看錯，幾乎每乙個人都出現了好幾次，不同之處在於可能加了稍微旋轉之類的增強。
但是不得不說，雖然資料集數量少，但是素描的質量還是挺不錯的。放大一張看看：
反正我這個沒有藝術細菌的人覺得畫的還挺不賴。
資料集有了，模型也有了，剩下的就是開爐煉丹了。
筆者調好真火火候，一點點投入藥材，連續煉製了九天九夜，不彩者、無色之人小素一世出世！小素降生之時，天降異象，霎時間天昏地暗，飛沙走石，萬物黯然【失色】！
比如憧憬著七彩祥雲的彩色女神紫霞仙子：
比如本來就很白的白石**：
再比如下面這個誰(真不認識…)：
再比如那個誰，到底是誰你來說吧。
看到這裡你是想體驗一把小素的的能力呢？還是想體驗之後再開爐煉一波仙丹呢？
體驗請到www.cvpy.net找到ai小素或者元老厚德體驗小素的前世今生。
ai前世識別 AI的前世今生
最近跟朋友聊天，他身邊的人似乎都認為，人工智慧當下還只是處於乙個萌芽的階段，最多是下圍棋比較厲害，真的要改變他們的生活，還很遙遠。他們不會想到 接踵而來的智慧型新時代產物，已經能夠徹底實現傳統工業生產裝置 辦公 營銷等應用的全面智慧型公升級，以及實現組織創新 個體崛起和智慧型管理。那麼，你了解ai的...
ai前世識別 AI 的前世與今生
最近跟朋友聊天，他身邊的人似乎都認為，人工智慧當下還只是處於乙個萌芽的階段，最多是下圍棋比較厲害，真的要改變他們的生活，還很遙遠。他們不會想到 接踵而來的智慧型新時代產物，已經能夠徹底實現傳統工業生產裝置 辦公 營銷等應用的全面智慧型公升級，以及實現組織創新 個體崛起和智慧型管理。那麼，你了解ai的...
AI理論學習筆記（一） 深度學習的前世今生
大家還記得以深度學習技術為基礎的電腦程式alphago嗎？這是人類歷史中在某種意義的第一次機器打敗人類的例子，其最大的魅力就是深度學習 deep learning 技術。早在1969年，minsky教授 mit教授，人工智慧研究的先驅者 就一直不太看好神經網路技術 即深度學習的前世 主要指出了神經網...