DeblurGANダウンロードDeblurGANソースコードのダウンロード

DeblurGAN

パイソン

1.0.0

ダウンロード

Deblurgan

arxivペーパーバージョン

Paper DeblurganのPytorchの実装：条件付き敵対的ネットワークを使用したブラインドモーションデブラリング。

私たちのネットワークは、ぼやけた画像を入力として取得し、例のように、対応する鋭い推定値を調達します。

使用するモデルは、VGG-19の活性化に基づいて勾配ペナルティ +知覚損失を伴う条件付きWasserstein Ganです。このようなアーキテクチャは、他の画像からイメージまでの翻訳の問題についても良い結果をもたらします（スーパー解像度、着色、入力、脱毛など）

実行方法

前提条件

nvidia gpu + cuda cudnn（CPUのテストなし、フィードバックに感謝）
Pytorch

Googleドライブからウェイトをダウンロードしてください。推論中は、発電機の重みのみを保持する必要があることに注意してください。

重みを入れます

/.checkpoints/experiment_name

モデルをテストするには、ぼやけた画像をフォルダーに入れて実行します。

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

データ

Googleドライブからオブジェクト検出ベンチマーク用のデータセットをダウンロードします

電車

データでモデルをトレーニングしたい場合は、次のコマンドを実行して画像ペアを作成します。

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

そして、モデルをトレーニングするための次のコマンド

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

その他の実装

ケラスブログ

Kerasリポジトリ

引用

私たちのコードがあなたの研究や仕事で役立つと思うなら、私たちの論文を引用してください。

 @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
}