当谈到夜b视时，每个人都想象显示的图像将是绿色和黑色，但是这种情况即将改变。研究人员已经找到了一种方法，即使在晚上，相机也可以捕捉彩色图像，就像白天拍摄的一样。
4月6日，《Plos One》杂志发表了一篇美国文章，研究人员介绍了一种具有a href="https://www.infobae.com/america/buscador/?query=aprendizaje%20profundo" rel="noopener noreferrer" target="_blank"ib深度学习架构的优化算法的发现，该算法设法将@@ 夜景中可见的光谱转换为人们在白天可能看到的光谱。
到了晚上，由于光线不足，人们看不到颜色和对比度，为此，他们需要照亮该区域或使用夜间遮阳板，后者会产生绿色的图像。通过解决单色观看者的问题，每个人都可以看到和拍摄看起来像白天的照片，这将对战术军事侦察工作等有很大帮助。
为了实现这一目标，研究人员使用了对可见光和红外光敏感的单色相机来获取覆盖标准可见眼的多光谱照明下的印刷图像或面部图像的数据库。
随后，他们优化了卷积神经网络（U-Net），以预测来自近红外图像的可见光谱图像。其算法由使用光谱光的深度学习驱动。
为了了解青色、洋红色和黄色油墨的光谱反射光谱，他们打印了 Rainboy 调色板来记录它们的波长。然后，他们打印了几张图像，然后使用安装在聚焦图像的解剖显微镜上的单色相机（黑白）将它们置于多光谱照明下。
总的来说，他们用佳能打印机和MCYK油漆印刷了一个包含 200多张人脸的图书馆，该图书馆可在 “野外标记的面孔” 出版物中找到。这些图像被放置在不同的波长下，然后用于机器学习训练，重点是从单波长或组合波长的照明图像中预测彩色（RGB）图像。
在所有实验中，他们都遵循机器学习的实用模型：他们将数据库分为三部分，保留140张图像用于训练，40张用于验证，20张用于测试。为了比较不同模型之间的性能，他们评估了图像重建的几个指标。
研究人员指出，这项研究是从难以察觉的近红外光照中预测人类可见光谱中场景的一个步骤。
他们说：“这表明，高分辨率图像的预测更多地取决于 [机器] 的训练环境，而不是每种墨水的光谱特征”，这项工作应该是夜视视频的一个步骤，夜视视频每秒处理的帧数将取决于夜视视频的数量。
继续阅读：