By 超神经

场景描述：选礼物是千古大难题之一，母亲节来临之际，借助机器学习、大数据分析、图像增强等 AI 技术，可以帮你为母亲送上一份走心的礼物。

关键词：母亲节 机器学习 大数据 图像增强 神经网络

母亲节了，你为母亲大人选好礼物了吗？

要让礼物达到美观、实用兼具且能讨母上大人喜欢，这实在是一个令人纠结的难题，对于平时置身代码海洋中的程序员来说更是令人头大。

置身代码海洋无法自拔的程序员

根据不靠谱情报，在母亲节来临之际，程序员表现各有不同：

第一种：什么？母亲节快到了？

第二种：奥，母亲节快到了，到时候给我妈打个电话吧，问问她想要啥礼物。

第三种：打开某电商 App，搜索「母亲节礼物」，从推荐列表的前三个里面选1个（一般是按摩工具之类）。

第四种：打开某电商 App，搜索「清洁工具套装」，然后买一套扫帚拖把鸡毛掸子寄给母上大人……

「妈妈再打我一次」礼物套装

还有连电商 App 都没有的程序员，可能会直接选择最简单直接的方法：发红包。

所以，礼物到底该怎么选？听说，AI 已经比你会选了。 

选项一：用算法推荐中意的礼物 

有一款叫做「礼记」的小程序，利用大数据与机器学习，通过 5-6 个对送礼对象问题的回答，就能推荐出量身定制的礼物清单。

「礼记」的选礼问卷 

经过亲测，推荐跟被赠送者喜好匹配度还不错，如果没有最中意的，也能通过推荐清单寻找灵感。

此外，欧莱雅也曾有过类似的尝试，在 2017 年推出了一款聊天机器人 Beauty Gifter，根据送礼者及收礼者的问答，推荐最合适的化妆品礼物。

这款机器人是欧莱雅与 Automat 的一个合作项目，Beauty Gifter 选礼物的方式，还是通过精心设计的问卷，寻找出最贴合的礼品。

被赠予者会收到卡片询问他们的护肤、美妆偏好等。如果担心破坏了惊喜，只要送礼物的一方对这些信息足够了解，也可以自己来回答卡片问卷。

选项二：送妈妈靓丽穿搭

母亲节，也可以考虑送给妈妈一个穿搭助理。

在 2017 年 Facebook 年度开发者大会 F8 上，就有潮流和美妆服务机器人 Epytom Stylist 和 Sephora 现身。此后，亚马逊也推出了 Echo Look，这款机器人将图形识别功能和 Alexa 结合在一起，帮助人们挑选服装。

Echo Look 兼具图形识别与语音识别功能 

Echo Look 有一个深度感应摄像头，和用于闪光灯的 LED 照明，以及计算机视觉等技术。它的工作原理是，穿好衣服后，通过声控，帮自己拍摄全身长的景深照片或者短视频，然后建立起用户的个人服装风格喜好数据集。

之后，它会利用机器学习算法，结合时尚专家的建议，评估用户的穿搭是否合适。 甚至对用户的穿搭颜色、风格与潮流提供指导建议。

选项三：带妈妈重温美好旧时光

还有一招，亲手用 AI 做一款科技与文艺兼具的礼物。

一款叫做「你我当年」的小程序，能够利用 AI 技术将老照片修复，从低清版变为超高清版。

用它来修复林青霞，王祖贤等女星的话题，也一度成为微博热点。

修复后的女神照片，瞬间五官清晰，更加美丽动人

想想看，把母亲年轻时期的照片，恢复成清晰的图像，帮妈妈找回年轻时的容颜，这应该算得上一份很走心的礼物了。

「你我当年」所使用的是图像增强技术。利用 AI 提高图像分辨率，并主要针对人的面部进行优化。

具体原理是，给算法提供大量的低分辨率图像，然后再输入这些图片的高分辨率原图，让算法比较两者差异，学会增加分辨率的技巧。最后就能还原模糊的图片了。

在图像增强方面，2018 年英伟达就曾提出基于深度学习去除照片噪点的方法，他们训练的神经网络，可以在数秒内将模糊图像变清晰。而这款叫做 noise2noise 的新模型，优点在于无需查看大量高分辨率样本示例。

图左：有噪点，不明生物；图右：去除噪点，一只考拉

研究小组从 ImageNet 数据集中，抽取了 5 万张图像，对 noise2noise 模型进行训练，并为每张图像添加了随机噪声分布。系统必须估计图像中噪声的大小并将其移除，最终可以高质量的修复图片。

选项四：抽空多陪陪妈妈

借助 AI 的帮助，也许很快就能挑到让妈妈们满意的礼物，也许不能。因为，每一个妈妈都是独一无二的。

利用大数据分析和机器学习的方式，会给出个性化的建议，而且这种充满科技感的方法，能够带来新奇的体验。

但是，其实颠扑不破的真理很简单，最好的礼物就是，多抽出时间，多陪伴爸妈左右。

毕竟，回家才是最好的礼物。

超神经百科

图像增强 Image Enhancement

图像增强的方法是通过一定手段对原图像附加一些信息或变换数据，有选择地突出图像中感兴趣的特征或者抑制(掩盖)图像中某些不需要的特征，使图像与视觉响应特性相匹配。

图像增强可分成两大类：频率域法和空间域法。

前者把图像看成一种二维信号，对其进行基于二维傅里叶变换的信号增强。采用低通滤波（即只让低频信号通过）法，可去掉图中的噪声；采用高通滤波法，则可增强边缘等高频信号，使模糊的图片变得清晰。

后者空间域法中具有代表性的算法有局部求平均值法和中值滤波（取局部邻域中的中间像素值）法等，它们可用于去除或减弱噪声。