EnlightenGAN

Enlightengan: تعزيز الضوء العميق دون إشراف مقترن

Yifan Jiang ، Xinyu Gong ، Ding Liu ، Yu Cheng ، Chen Fang ، Xiaohui Shen ، Jianchao Yang ، Pan Zhou ، Zhangyang Wang

[ورقة] [المواد التكميلية]

نتائج تمثيلية

العمارة المفرطة

بيئة التحضير

 python3.5

يجب عليك إعداد 3 1080ti على الأقل وحدات معالجة الرسومات أو تغيير حجم الدُفعة.

pip install -r requirement.txt
mkdir model
قم بتنزيل نموذج VGG PretRained من [Google Drive 1] ، ثم ضعه في model الدليل.

عملية التدريب

قبل البدء في عملية التدريب ، يجب عليك تشغيل visdom.server لتصورها.

nohup python -m visdom.server -port=8097

ثم قم بتشغيل الأمر التالي

python scripts/script.py --train

عملية الاختبار

قم بتنزيل النموذج المسبق ووضعه في ./checkpoints/enlightening

إنشاء الدلائل ../test_dataset/testA و ../test_dataset/testB . ضع صور الاختبار الخاصة بك على ../test_dataset/testA (ويجب عليك الاحتفاظ بأي صورة واحدة في ../test_dataset/testB للتأكد من أن البرنامج يمكن أن يبدأ.)

يجري

python scripts/script.py --predict

إعداد مجموعة البيانات

بيانات التدريب [Google Drive] (الصور غير المقيدة التي تم جمعها من مجموعات بيانات متعددة)

اختبار البيانات [Google Drive] (بما في ذلك الجير ، MEF ، NPE ، VV ، DICP)

و [Baiduyun] متاح الآن بفضل @Yhelaine!

استنتاج أسرع

https://github.com/arsenyinfo/enlightengan-inference من @arsenyinfo

إذا وجدت هذا العمل مفيدًا لك ، يرجى الاستشهاد

 @article{jiang2021enlightengan,
  title={Enlightengan: Deep light enhancement without paired supervision},
  author={Jiang, Yifan and Gong, Xinyu and Liu, Ding and Cheng, Yu and Fang, Chen and Shen, Xiaohui and Yang, Jianchao and Zhou, Pan and Wang, Zhangyang},
  journal={IEEE Transactions on Image Processing},
  volume={30},
  pages={2340--2349},
  year={2021},
  publisher={IEEE}
}