文件名称：UEGAN:TIP论文的Pytorch实施，通过生成对抗网络实现无监督的深度图像增强
文件大小：17.54MB
文件格式：ZIP
更新时间：2024-05-22 13:25:47
generative-adversarial-network gan image-manipulation unsupervised-learning compter-vision
借助生成对抗网络实现无人监督的深度图像增强 IEEE图像处理事务（T-IP） 1 ，1 ，1 ，2 ， 1 [ ] [ ] 1香港城市大学， 2美团集团 介绍 该网站共享IEEE图像处理事务（T-IP），第一卷，“通过生成的对抗网络实现无监督的深度图像增强”的代码。 2020年9月29日，第9140-9151页。 抽象的 对于公众而言，提高图像的美学质量是充满挑战和渴望的。 为了解决这个问题，大多数现有算法都是基于监督学习方法来学习用于配对数据的自动照片增强器，该照片增强器由低质量的照片和相应的专家修饰版本组成。 但是，专家修饰的照片的样式和特征可能无法满足一般用户的需求或偏好。 在本文中，我们提出了一种无监督的图像增强生成对抗网络（UEGAN），该网络以无监督的方式从一组具有所需特征的图像中学习相应的图像到图像的映射，而不是学习大量的成对图像。 所提出的模型基于单个深层GAN，该
【文件预览】：
UEGAN-master
----trainer.py(22KB)
----data()
--------fivek()
----models.py(13KB)
----utils.py(8KB)
----README.md(8KB)
----data_loader.py(4KB)
----config.py(6KB)
----tester.py(7KB)
----figures()
--------framework.png(128KB)
--------examples.PNG(917KB)
----main.py(2KB)
----metrics()
--------CalcSSIM.py(5KB)
--------CalcPSNR.py(5KB)
--------NIMA()
--------CenterCrop.m(1KB)
----losses.py(15KB)