文件名称：DeblurGAN：使用生成对抗网络进行图像去模糊
文件大小：34.29MB
文件格式：ZIP
更新时间：2024-02-26 03:35:51
computer-vision deep-learning neural-network paper image-processing
DeblurGAN DeblurGAN：使用条件对抗网络进行盲运动去模糊的Pytorch实现。 我们的网络将模糊的图像作为输入，并进行相应的清晰估计，如示例所示： 我们使用的模型是条件性Wasserstein GAN，具有基于VGG-19激活的渐变惩罚+感知损失。 这样的体系结构在其他图像到图像的转换问题（超分辨率，着色，修复，除雾等）上也给出了良好的结果。 怎么跑 先决条件 NVIDIA GPU + CUDA CuDNN（CPU未经测试，感谢反馈） 火炬 从下载权重。 请注意，在推论过程中，您仅需保持Generator权重。 放入砝码 /.checkpoints/experimen
【文件预览】：
DeblurGAN-master
----train.py(2KB)
----checkpoints()
--------experiment_name()
----motion_blur()
--------generate_trajectory.py(5KB)
--------__init__.py(0B)
--------generate_PSF.py(4KB)
--------blur_image.py(5KB)
----models()
--------test_model.py(2KB)
--------__init__.py(0B)
--------models.py(342B)
--------conditional_gan_model.py(4KB)
--------losses.py(6KB)
--------base_model.py(2KB)
--------networks.py(17KB)
----test.py(1KB)
----images()
--------yolo_b.jpg(70KB)
--------animation1.gif(815KB)
--------animation4.gif(326KB)
--------yolo_o.jpg(95KB)
--------test1_sharp.jpg(118KB)
--------test1_restored.jpg(110KB)
--------yolo_s.jpg(105KB)
--------results.png(57KB)
--------test1_blur.jpg(88KB)
--------animation2.gif(936KB)
--------animation3.gif(292KB)
----datasets()
--------helper functions()
--------combine_A_and_B.py(2KB)
----util()
--------get_data.py(3KB)
--------util.py(2KB)
--------__init__.py(0B)
--------metrics.py(1KB)
--------html.py(2KB)
--------image_pool.py(1KB)
--------visualizer.py(6KB)
--------png.py(978B)
----LICENSE(3KB)
----options()
--------train_options.py(2KB)
--------__init__.py(0B)
--------base_options.py(5KB)
--------test_options.py(847B)
----README.md(3KB)
----data()
--------single_dataset.py(815B)
--------aligned_dataset.py(2KB)
--------unaligned_dataset.py(1KB)
--------__init__.py(0B)
--------base_dataset.py(2KB)
--------custom_dataset_data_loader.py(1KB)
--------data_loader.py(234B)
--------base_data_loader.py(195B)
--------image_folder.py(2KB)
----.gitignore(43B)