周二晚八点三十分，极验验证的CTO给大家做了一场高逼格的技术直播《深度学习之Prisma原理解析》，也不知道大家有没有去看。没看也没有关系啦，作为
Prisma是什么？
Prisma是什么？我还是给大家科普一下。Prisma俄罗斯的一个技术研发团队，在今年的6月份，推出的一款全新的图片处理APP。这款应用一经发布，十五天之内下载量达到750万之多，火遍四十个国家，连梅德韦杰夫也宠爱有加。如果你不知道Prisma，我真的不想说你孤陋寡闻。
效果图
Prisma与普通的滤镜有什么区别呢？
从效果来讲：传统滤镜只能改变图像整体视觉效果，没有办法更改图像的“画风”。传统滤镜多是对图像的色阶，色调等进行调整，让图片整体表现出柔光，复古，余辉等特效。而Prisma则会改变图像的“画风”，形成不同的绘画艺术风格。当然传统滤镜也可以形成一些低阶的艺术效果，但是并不能像Prisma这样进行深度的改变，富有艺术感。
从原理上讲：传统滤镜只能利用图像学中的算子对图像低层信息进行修改，而Prisma利用深度学习在保留原图内容的前提下引入艺术风格对图片进行重新创作。传统滤镜需要技术人员熟悉如何处理图像。打个比方，让图像形成复古的特效，需要几个步骤，先去色，再执行色阶指令等。每个步骤程序员设计出一个算法，再将所有的算法封装起来，让用户可以一键使用。而Prisma是利用深度学习模型，识别风格图像和需要处理的图像特征。这两个图像应该怎么合成才会好看，都是通过神经网络自己去判断，相当于Prisma参照着大师的作品，对你输入的图像进行了一次再创作。
程序如何懂艺术呢？
其实倒不是说程序真的能够像我们的艺术大师们那样，懂得艺术。而是深层神经网络经过不断的训练之后，它虽然不能够明白艺术里面蕴含的感情，但它却能够归纳图像中隐藏的高级特征，图像内容等信息。
深层卷积神经网络
深层卷积神经网络，也就是CNN通过引入卷积自动分层提取特征，每一层由多个特征图组成，每一个特征图是由前一层输出与一个卷积核进行卷积运算和非线性变换得到，随后进行池化操作，用于降低输出维度，同时获得一定的特征不变性。
CNN中最主要的三种网络层：
训练方法：反向传播算法（Back-Propagation）
上图是一个经过训练的深层卷积神经网络模型，观察不同层次对图像特征识别的演变过程。在每个块中，显示一个随机选择的子集的特征。通过可视化处理，我们可以发现图像输入到深层卷积神经网络后，图像信息在层层的传输中越来越抽象，最终能够提取出图像中的高层信息。
风格图片和我们自己提供的照片图片，分别经过CNN提取艺术绘画的风格，照片原图画面中的内容。再定义损失函数为待生成图片原图与风格的差别之和
利用梯度下降最小化损失就得到了兼具原图内容和艺术效果的结果。这样，我们就得到了一幅充满艺术气息的画，可以在朋友圈装逼一回啦。
深度学习和极验验证的渊源
极验的行为式验证码主要就是利用深度学习建模，来提取人与机器的行为特征，找出两者之间的差别，阻止恶意程序对网站，应用，进行撞库登录，垃圾注册等等。同时，我们的新产品中也将应用到Neural art，不断升级我们的产品和服务。
极验验证，致力于验证安全行业，首创行为式验证技术，为企业网站，应用保驾护航。你若要坐拥这江山如画，我必陪你戎马天下。
赶快使用起来吧！！！
关注公众号：拾黑（shiheibook）了解更多
[广告]赞助链接：
四季很好，只要有你，文娱排行榜：https://www.yaopaiming.com/
让资讯触达的更精准有趣：https://www.0xu.cn/
![不关注没饭吃 前置画质雀食不错[太开心] ](https://imgs.knowsafe.com:8087/img/aideep/2021/10/1/a0f2f41d52eda26e9e59545afc14c028.jpg?w=250)
极验验证
关注网络尖刀微信公众号
