EnlightenGAN

Enlightengan：没有配对监督的深度增强

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

[纸] [补充材料]

代表性结果

过度架构

环境准备

 python3.5

您应该至少准备3个1080TI GPU或更改批次尺寸。

pip install -r requirement.txt
mkdir model
从[Google Drive 1]下载VGG预估计的模型，然后将其放入目录model中。

培训过程

在开始训练过程之前，您应该启动visdom.server可视化。

nohup python -m visdom.server -port=8097

然后运行以下命令

python scripts/script.py --train

测试过程

下载验证的模型并将其放入./checkpoints/enlightening

创建目录../test_dataset/testA和../test_dataset/testB 。将测试图像放在../test_dataset/testA上（您应该保留一个图像../test_dataset/testB中的任何一个图像以确保程序可以启动。）

跑步

python scripts/script.py --predict

数据集准备

培训数据[Google Drive]（从多个数据集收集的未配对图像）

测试数据[Google Drive]（包括石灰，MEF，NPE，VV，DICP）

@yhlelaine现在可以使用[Baiduyun]！

推断更快

https://github.com/arsenyinfo/enlightengan in @arsenyinfo

如果您发现这项工作对您有用，请引用

 @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}
}