Download DeblurGAN - Unduh Kode Sumber DeblurGAN

DeblurGAN

ular piton

1.0.0

Unduh

Deblangan

versi kertas arxiv

Implementasi Pytorch dari Makalah Deblurgan: Buta DEBLURRING Menggunakan jaringan permusuhan bersyarat.

Jaringan kami mengambil gambar buram sebagai input dan mendapatkan perkiraan tajam yang sesuai, seperti dalam contoh:

Model yang kami gunakan adalah wasserstein gan bersyarat dengan penalti gradien + kehilangan perseptual berdasarkan aktivasi VGG-19. Arsitektur semacam itu juga memberikan hasil yang baik pada masalah terjemahan gambar-ke-gambar lainnya (resolusi super, pewarnaan, inpainting, dehazing dll.)

Bagaimana menjalankan

Prasyarat

NVIDIA GPU + CUDA CUDNN (CPU belum teruji, umpan balik dihargai)
Pytorch

Unduh bobot dari Google Drive. Perhatikan bahwa selama inferensi Anda hanya perlu menjaga bobot generator.

Masukkan bobot

/.checkpoints/experiment_name

Untuk menguji model, masukkan gambar buram Anda ke dalam folder dan jalankan:

python test.py --dataroot /.path_to_your_data --model test --dataset_mode single --learn_residual

Data

Unduh Dataset untuk Benchmark Deteksi Objek dari Google Drive

Kereta

Jika Anda ingin melatih model pada data Anda, jalankan perintah berikut untuk membuat pasangan gambar:

python datasets/combine_A_and_B.py --fold_A /path/to/data/A --fold_B /path/to/data/B --fold_AB /path/to/data

Dan kemudian perintah berikut untuk melatih model

python train.py --dataroot /.path_to_your_data --learn_residual --resize_or_crop crop --fineSize CROP_SIZE (we used 256)

Implementasi lainnya

Blog keras

Repositori Keras

Kutipan

Jika Anda menemukan kode kami bermanfaat dalam penelitian atau bekerja, silakan kutip makalah kami.

 @article{DeblurGAN,
  title = {DeblurGAN: Blind Motion Deblurring Using Conditional Adversarial Networks},
  author = {Kupyn, Orest and Budzan, Volodymyr and Mykhailych, Mykola and Mishkin, Dmytro and Matas, Jiri},
  journal = {ArXiv e-prints},
  eprint = {1711.07064},
  year = 2017
}