深度学习的图像修复尝试(几种网络尝试)

在自己的两个月实习过程中的学习总结,任务是补全图像。

试了几种比较有名的深度学习方法。后面打算把这些源码及使用说明都整理下放在github上。
(留个空放地址)

edgeconnect网络(2019年的)

先修复轮廓再填充颜色,(人类艺术家的角度看起来合理)
在这里插入图片描述
自己的实现效果
在这里插入图片描述
网络的效果,其实不是很好。感觉上。

shift-net(2018)

涉及到特征转移的创新点,以及一个guidance-loss在这里插入图片描述
自己实现的效果
在这里插入图片描述
效果蛮好的。

pconv-net(2017)

英伟达的2017论文。
创新点就是下面的idea,由外圈往内扩散补全的思想,很合理。
在这里插入图片描述
自己体悟。

自己实现的效果
在这里插入图片描述
效果也挺好。

pen-net(2019)

在这里插入图片描述

论文里给的代码不好调不通。。我太菜了//

附录:
我还试过传统算法,例如基于一块块的补全算法,代码后面再加。还有tv补全算法。
(插个空后面加代码地址)

已标记关键词 清除标记
©️2020 CSDN 皮肤主题: 数字20 设计师:CSDN官方博客 返回首页