文件名称：深度图像优先：使用神经网络进行图像恢复但无需学习
文件大小：3.17MB
文件格式：ZIP
更新时间：2024-03-12 05:20:08
JupyterNotebook
警告！ 优化可能无法在某些GPU上收敛。 我们亲身经历了Tesla V100和P40 GPU的问题。 运行代码时，请确保首先获得与论文相似的结果。 使用文字修复笔记本最容易检查。 尝试设置双精度模式或关闭cudnn。 深度图像先验 在此存储库中，我们提供Jupyter Notebooks来复制纸上的每个图形： 深度图像先验 CVPR 2018 德米特里·乌里扬诺夫（Dmitry Ulyanov），安德里亚·韦达（Andrea Vedaldi），维克托·林皮茨基（Victor Lempitsky） 在这里，我们提供了用于生成图形的超参数和体系结构。 他们中的大多数都不是最优的。 不要犹豫，更改它们并查看效果。 我们不久将使用超参数和选项列表来扩展此自述文件。 安装 这是您需要安装以执行代码的库的列表： Python= 3.6 = 0.4 麻木 科学的 matplotlib
【文件预览】：
deep-image-prior-master
----Dockerfile(999B)
----README.md(2KB)
----utils()
--------matcher.py(1KB)
--------perceptual_loss()
--------sr_utils.py(3KB)
--------common_utils.py(7KB)
--------feature_inversion_utils.py(3KB)
--------__init__.py(0B)
--------inpainting_utils.py(729B)
--------denoising_utils.py(431B)
----environment.yml(196B)
----denoising.ipynb(8KB)
----flash-no-flash.ipynb(5KB)
----LICENSE(197B)
----sr_prior_effect.ipynb(9KB)
----super-resolution_eval_script.py(3KB)
----models()
--------downsampler.py(5KB)
--------skip.py(4KB)
--------common.py(3KB)
--------resnet.py(3KB)
--------texture_nets.py(2KB)
--------unet.py(7KB)
--------dcgan.py(1KB)
--------__init__.py(2KB)
----inpainting.ipynb(10KB)
----super-resolution.ipynb(7KB)
----feature_inversion.ipynb(10KB)
----restoration.ipynb(7KB)
----data()
--------imagenet1000_clsid_to_human.txt(32KB)
--------feature_inversion()
--------sr()
--------teaser_compiled.jpg(375KB)
--------denoising()
--------flash_no_flash()
--------inpainting()
--------restoration()
----activation_maximization.ipynb(12KB)