DeblurGAN Download - DeblurGAN исходный код скачать

DeblurGAN

Питон

1.0.0

Скачать

Деблурган

Arxiv Paper версия

Реализация Pytorch бумаги Деблурган: слепые движения, дебюрующие с использованием условных состязательных сетей.

Наша сеть принимает размытое изображение в качестве ввода и заполняет соответствующую резкую оценку, как в примере:

Модель, которую мы используем,-это условная Wasserstein Gan с градиентным штрафом + потери восприятия на основе активаций VGG-19. Такая архитектура также дает хорошие результаты по другим задачам перевода с изображением на изображение (супер разрешение, раскрась, интразинг, дехазинг и т. Д.)

Как бежать

Предварительные условия

Nvidia gpu + cuda cudnn (ЦП непроверенный, оценивается обратная связь)
Пирог

Скачать веса с Google Drive. Обратите внимание, что во время вывода вам нужно сохранить только весовые веса.

Вставить веса в

/.checkpoints/experiment_name

Чтобы протестировать модель, поместите ваши размытые изображения в папку и запустите:

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

Данные

Загрузить набор данных для ткаэта обнаружения объектов с Google Drive

Тренироваться

Если вы хотите обучить модель на своих данных, запустите следующую команду для создания пар изображений:

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

А затем следующая команда для обучения модели

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

Другие реализации

Керас Блог

Керас репозиторий

Цитирование

Если вы обнаружите наш код полезным в своем исследовании или на работе, пожалуйста, цитируйте нашу статью.

 @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
}