文件名称：ID-CGAN:使用条件生成对抗网络进行图像去雨
文件大小：2.7MB
文件格式：ZIP
更新时间：2024-06-01 04:02:10
deep-learning gan id-cgan rain-removal 附件源码
使用条件生成对抗网络进行图像去雨 [] [] 何章，Vishwanath Sindagi，Vishal M.Patel 在本文中，我们研究了解决单图像去水印问题的新观点。 我们不仅要确保决定什么是实现良好的定量和定性性能的良好先验或良好框架，还应确保排水良好的图像不会降低给定计算机视觉算法（如检测和分类）的性能。 换句话说，消除雨水的结果应该与其对应的清晰图像与给定的鉴别器没有区别。 通过使用最近引入的条件生成对抗网络（GAN），可以将该标准直接合并到优化框架中。 为了最大程度地减少GAN引入的伪像并确保更好的视觉质量，引入了新的精确损失函数。 @article{zhang2017image, title={Image De-raining Using a Conditional Generative Adversarial Network}, author={Zhan
【文件预览】：
ID-CGAN-master
----IDCGAN()
--------train.lua~(18KB)
--------checkpoints()
--------train.lua(18KB)
--------models2.lua(3KB)
--------model()
--------per_loss()
--------fast_neural_style()
--------test.lua~(5KB)
--------util()
--------data()
--------test2.lua~(5KB)
--------models2.lua~(3KB)
--------test.lua(5KB)
----model_trained()
--------download_model.txt(160B)
----README.md(2KB)
----image()
--------6_our.jpg(71KB)
--------example2.png(760KB)
--------example.png(836KB)
--------28_input.jpg(43KB)
--------example1.png(858KB)
--------6_input.jpg(76KB)
--------28_our.jpg(65KB)