文件名称：MIRNet-TFJS:适用于MIRNet的TensorFlow JS模型用于微光图像增强
文件大小：14.82MB
文件格式：ZIP
更新时间：2024-04-20 13:02:59
nodejs javascript computer-vision deep-learning tensorflow
MIRNet-TFJS 该存储库显示了Zamir等人的“所提出的针对MIRNet模型的TFJS模型转换和推理过程。 该模型能够最大程度地增强弱光图像。 Soumik通过提供了模型训练代码和预训练权重。 目录 有关架构的一些知识 MIRNet提出了一种新颖的体系结构，其总体目标是通过整个网络维护高分辨率表示，并从低分辨率表示接收强大的上下文信息。 该方法的核心是包含以下关键元素的多尺度残差块： 并行多分辨率卷积流，用于提取多尺度特征 跨多分辨率流的信息交换 捕获上下文信息的空间和渠道关注机制 基于注意力的多尺度特征聚合。 MIRNet的框架 上图显示了所建议的网络MIRNet的框架，该框架可学习用于图像恢复和增强的丰富特征表示。 关于笔记本 该笔记本显示了下载MIRNet模型的预训练权重并将其保存为SavedModel 。 该笔记本显示了将SavedModel转换为我
【文件预览】：
MIRNet-TFJS-main
----_config.yml(26B)
----.gitignore(2KB)
----README.md(9KB)
----.github()
--------PULL_REQUEST_TEMPLATE.md(699B)
--------workflows()
--------ISSUE_TEMPLATE()
----MIRNet_Inference.ipynb(2.92MB)
----MIRNet_Saved_Model.ipynb(13.73MB)
----LICENSE(11KB)
----.gitattributes(90B)
----CONTRIBUTING.md(1KB)
----CODE_OF_CONDUCT.md(3KB)
----example()
--------README.md(4KB)
--------uploads()
--------views()
--------bin()
--------server.js(2KB)
--------public()
--------modeltest.js(2KB)
--------.deployment(44B)
--------app.js(4KB)
--------package.json(1KB)
--------output.Png(259KB)
--------model()
--------input.PNG(361KB)
--------package-lock.json(224KB)
----images()
--------mirnet-framework.png(836KB)
--------mirnet-results.jpg(116KB)
--------mirnet-example.png(1.41MB)
----MIRNet_TFJS.ipynb(55KB)