Advertisement

KAIR: Image Restoration Toolbox (PyTorch). DPIR, USRNet, DnCNN, FFDNet, SRMD, DPSR, ESRGA...]

  • 5星
  •     浏览量: 0
  •     大小:None
  •      文件类型:ZIP


简介:
瑞士苏黎世联邦理工学院的研究团队发布了多款图像超分辨率重建算法的训练与测试源码包,其中包括USRNet、DnCNN、FFDNet等知名模型。新闻(2021-06-03):新增了面部图像增强功能的测试版本;新闻(2021-05-13):已实现并行计算能力以提升训练效率;新闻(2021-05-12):可实现并行计算,另见详细说明;新闻(2021-01):盲人实像超分辨率功能即将上线。欢迎前往GitHub仓库进行代码拉取!注意更正信息(2020-10):为避免内存溢出问题,在使用多个GPU进行GAN模型训练时,建议在运行时前添加注释以启用DataParallel模式;新闻(2020-10):新增了计算视野范围的功能;新闻(2020-8):deep plug-and-play图像修复工具已发布于csznDPIR平台,并附带官方文档指导使用方法。提示(2020-8):该工具可帮助用户有效避免内存溢出问题,值得尝试。

全部评论 (0)

还没有任何评论哟~
客服
客服
  • 图像恢复工具箱(基于PyTorch):USRNetDnCNNFFDNetSRMDDPSR、MSRResNet、ESRGAN等
    优质
    本项目提供一个全面的图像恢复工具箱,采用PyTorch框架实现,包含多种先进算法如USRNet、DnCNN及FFDNet等,致力于图像去噪与超分辨率重建。 DnCNN、FFDNet、SRMD、DPSR、MSRResNet、ESRGAN 和 IMDN 的培训与测试代码由瑞士苏黎世联邦理工学院张Kai的计算机视觉实验室提供,该实验室发布了消息:将添加USRNet(CVPR 2020)。训练方法的相关信息可以在main_train_dncnn.py, main_train_fdncnn.py, main_train_ffdnet.py, main_train_srmd.py 和 main_train_dpsr.py 等文件中找到。
  • DnCNN with Code for Image Denoising
    优质
    本文介绍了一种基于DnCNN算法的图像去噪方法,并提供了相应的代码实现。该方法能有效降低噪声,提高图像质量。 《Beyond a Gaussian Denoiser:基于深度CNN的残差学习图像去噪》原文章及作者GitHub主页包含了详细的文章解读与代码。
  • DnCNN-PyTorch-DnCNN去噪_DNCCN_去噪_
    优质
    DnCNN-PyTorch是基于深度学习的图像去噪库,采用DnCNN算法有效去除图像噪声,适用于多种应用场景。 2017年CVPR的盲高斯去噪代码包含详细注释。
  • Piotrs Image and Video MATLAB Toolbox
    优质
    Piotrs Image and Video MATLAB Toolbox是一款集成了图像和视频处理功能的MATLAB工具包,由Piotr Dollar开发,广泛应用于计算机视觉领域。 此工具箱旨在简化在Matlab中对图像和视频的操作。它的目的是补充而非替代Matlab的Image Processing Toolbox,并且实际上需要安装该工具箱才能使用。编写代码时注重效率和重用性。感谢所有给我反馈的人,你们的帮助使得这个工具箱更加实用和易于使用。
  • Single-Underwater-Image-Enhancement-and-Color-Restoration: 单一水下图像...
    优质
    本文提出了一种针对单一水下图像增强与色彩复原的方法,旨在改善水下成像质量,恢复自然色彩。通过先进的算法和技术手段,有效去除混浊效应和色偏问题,使图像更加清晰、逼真。该方法在实际应用中具有广泛前景。 水下图像在海洋探索领域扮演着至关重要的角色。然而,在水介质中的光吸收与散射现象导致这些图像的质量显著下降。尽管近年来有关于图像增强和恢复技术的重大进展,但专门针对改善水下成像质量的方法尚未得到充分研究。 本段落旨在回顾并评估用于解决典型水下图像损伤问题的最新方法,包括极端退化情况下的修复策略。文章首先基于水下图像形成模型(IFM)概述了影响水下图像质量的主要因素。接着,我们系统地分析和比较了现有无IFM依赖的方法与利用IFM进行改进的技术。 随后章节中,我们将通过主观评价及客观测试相结合的方式对这些方法进行全面评估,并特别关注在基于先验信息的参数估计算法方面的工作进展。这项研究揭示了当前技术的主要局限性,并为未来的研究方向提供了宝贵的见解和建议。
  • Image-Processing-Toolbox & isrgb, isind, isbw
    优质
    这段简介可以描述为:Image-Processing-Toolbox是用于图像处理的强大工具包,提供诸如isrgb、isind和isbw等函数来检测和转换图像格式。适合各类图像分析任务。 在MATLAB中,图像处理是一个极其重要的领域,并广泛应用于科研、工程和教育等多个方面。Image-Processing-Toolbox中的isrgb, isind 和 isbw 函数是与图像处理相关的函数示例,在某些版本的MATLAB中可能已经被移除,但它们的功能对于分析和操作图像仍然非常重要。 1. **isrgb函数**:此函数用于检查输入矩阵是否为RGB图像。RGB图像是由红、绿、蓝三个颜色通道组成的,通常是一个三维数组,其中每个二维数组代表一个颜色通道。如果输入是RGB图像,则该函数返回true;否则返回false。在处理彩色图像时,这个函数非常有用,因为它可以帮助我们验证图像类型并进行相应的操作。 2. **isind函数**:此函数用于判断输入的图像是不是索引形式(index)。索引形式的图像是一种特殊的图像类型,其像素值对应于调色板中的颜色。如果输入的是这种类型的图像,则该函数返回true;否则返回false。在需要减少存储空间或使用较少的颜色时通常会采用索引图像。 3. **isbw函数**:此函数用于检测输入图像是不是二进制形式(binary)。二值图像的像素值只有两个状态,通常是0和1分别代表黑色和白色。这种类型的图像常被用来进行边缘检测、分割等操作,在形态学处理中也非常重要。如果该图像适合这些操作,则isbw函数将返回true。 MATLAB的Image Processing Toolbox是一个强大的工具包,其中包括了用于执行各种图像任务的大量函数及算法。除了上述提到的isrgb, isind 和 isbw 函数之外,这个工具箱还提供了包括但不限于以下功能:读取和显示图像、调整大小、滤波操作、绘制直方图以及保存文件等。 掌握MATLAB中的Image Processing Toolbox及其核心函数将极大地提升你在图像处理领域的技能。无论是在学术研究还是实际应用中都能更加得心应手。深入学习这些源码可以进一步提高你的编程能力和对图像处理的理解,从而在实践中更有效地运用它们。
  • file restoration
    优质
    文件恢复操作涉及对删除数据、恢复文件以及修复系统损坏等方面的具体处理流程。此过程确保数据完整性并防止信息丢失。