DeblurGAN 다운로드 - DeblurGAN 소스 코드 다운로드

DeblurGAN

파이썬

1.0.0

다운로드

Deblurgan

Arxiv 종이 버전

Pytorch Paper Deblurgan의 구현 : 조건부 적대적 네트워크를 사용한 블라인드 모션 디 블러 링.

우리의 네트워크는 입력으로 흐릿한 이미지를 취하고 예에서와 같이 해당 급격한 추정치를 조달합니다.

우리가 사용하는 모델은 VGG-19 활성화를 기반으로 한 구배 페널티 + 지각 손실이있는 조건부 Wasserstein Gan입니다. 이러한 아키텍처는 또한 다른 이미지-이미지 번역 문제에 대한 좋은 결과를 제공합니다 (슈퍼 해상도, 색상화, 입학, 탈선 등).

달리는 방법

전제 조건

nvidia gpu + cuda cudnn (CPU 피정지, 피드백 감사)
Pytorch

Google 드라이브에서 가중치를 다운로드하십시오. 추론 중에는 발전기 가중치 만 유지해야합니다.

무게를 넣으십시오

/.checkpoints/experiment_name

모델을 테스트하려면 흐릿한 이미지를 폴더에 넣고 실행합니다.

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

데이터

Google 드라이브에서 객체 감지 벤치 마크를위한 데이터 세트를 다운로드하십시오

기차

데이터에서 모델을 교육하려면 다음 명령을 실행하여 이미지 쌍을 만듭니다.

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

그런 다음 모델을 훈련시키기위한 다음 명령

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

다른 구현

Keras 블로그

keras 저장소

소환

귀하의 연구 나 작업에 도움이되는 것을 발견하면 논문을 인용하십시오.

 @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
}