來來來，跟我一起把腦洞開啟，再開啟……OK？
只有想不到，沒有做不到，世界如此奇妙，立懂深度學習！
1、Face2Face：即時捕獲面部表情，調換到另外一個人的面部
Face2Face: Real-time Face Capture and Reenactment of RGB Videos
在執行時，使用稠密光度一致性測量來跟蹤源和目標影片的面部表情。然後透過源與目標之間快速、高效的變形傳遞來實作再現。從目標序列中檢索出與重新定向表達最匹配的口腔內部，並對其進行扭曲，以產生精確的匹配。
最後，將合成的目標人臉重新渲染到相應的視影片流之上，這樣它就可以無縫地與真實世界的光照混合。
2、srez：透過深度學習極大提高模糊圖片的分辨率
地址：GitHub - david-gpu/srez: Image super-resolution through deep learning
透過深度學習實作影像超分辨率。該專案使用深度學習將 16x16 影像放大 4 倍。生成的 64x64 影像顯示清晰的特征，這些特征基於用於訓練神經網絡的數據集是合理的。
這是一個隨機的、非精心挑選的範例，說明該網絡可以做什麽。從左到右，第一列是 16x16 的輸入影像，第二列是你從標準雙三次插值得到的，第三列是神經網絡生成的輸出，右邊是地面實況。
3、準確讀取唇語
地址：https://www. theverge.com/2016/11/7/ 13551210/ai-deep-learning-lip-reading-accuracy-oxford
牛津大學 AI 實驗室的研究人員對該領域做出了有前途的（如果非常有限的話）貢獻，他們使用深度學習建立了一個新的唇讀程式。他們的名為LipNet的軟件能夠在很大程度上勝過有經驗的唇讀師，在某些測試中達到 93.4% 的準確率，而人類唇讀師的準確率為 52.3%。即使在目前的早期階段，該軟件也非常快——幾乎即時地將無聲影片處理成文本轉錄本。
4、neural- style：利用摺積神經網絡將一幅影像的內容與另一幅影像的風格相結合
地址：https:// github.com/jcjohnson/ne ural- style
提出了一種使用摺積神經網絡將一幅影像的內容與另一幅影像的風格相結合的演算法，上圖是一個將【星夜】的藝術風格對映 到史丹佛校園夜間照片的範例。
關於更多神奇的案例：a curated list of awesome deep learning projects
主要介紹經典的深度學習框架 TensorFlow 的使用，IO 操作，以及神經網絡基礎、摺積神經網絡的相關知識，並用摺積神經網絡原理搭建、設計自己的網絡，實作對驗證碼圖片內容的辨識。
1、關於怎麽學習Python？ 避坑推薦，小白首選
2、完全零基礎學Python，該從哪裏學起， 看書還是看影片？
3、Python適合新手嗎？ 有哪些有意思的小例子呢？
