![](https://img-blog.csdnimg.cn/20190918135101160.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
图像修复
图像修复
猫哥说
IT男
展开
-
dlib库标注特征点以及裁剪人脸组件
1、安装dlib当在anaconda下使用命令 pip install dlib 安装dlib库时,提示错误安装不成功,可能是版本不匹配。在虚拟环境下查看Python版本,高版本不一定能和当前python版本兼容。可以将dlib wheel下载到本地,再手动安装。dlib库:链接:https://pan.baidu.com/s/14FKO_wiMG85s2kgo-1aEZg 提取码:hg5m2、标注人脸特征点# _*_ coding:utf-8 _*_import numpy as npi原创 2020-12-22 21:12:12 · 936 阅读 · 0 评论 -
tf.extract_image_patches以及pytorch的extract_patches
前言由于最近一直在研究上下文注意力机制,当对特征图FM提取patch,需要用到函数extract_image_patches,特此记录一下。温馨提示:提笔计算一下,更容易理解。1、 tensorflow的extract_image_patches函数提取patch参考1 https://blog.csdn.net/qq_38675570/article/details/81239774参考2 http://www.voidcn.com/article/p-svnrphay-btg.htmldef原创 2020-06-10 22:18:03 · 2845 阅读 · 5 评论 -
论文阅读及代码运行--Free-Form Image Inpainting with Gated Convolution
1、前言从传统的图像修复方法,如经典算法PatchMach,到基于CNN的图像修复方法,修复的结果越来越更加真实和合理,如GL。但是图像修复本身就是一个高度病态的问题,有太多的主观性。之前修复的方法,更多的是解决规则的中心缺失图像修复,而针对不规则图像的缺失解决办法较少,即使是CA模型也是规则缺失图像的修复。于是NVIDIA首次提出了使用部分卷积PartialConv来修复不规则孔缺失的图像,...原创 2019-11-26 21:06:27 · 6373 阅读 · 130 评论 -
论文阅读-Learning Pyramid-Context Encoder Network for High-Quality Image Inpainting
1、Abstract高质量的图像修复需要用可信的内容填充受损图像中的缺失区域。现有的研究要么通过复制图像块来填补这些区域,要么从区域上下文生成语义连贯的块,而忽略了对视觉和语义可信性都有很高要求的事实。本文提出了一种基于深度生成模型的金字塔上下文图像编码网络(PEN-Net)。PEN-Net是在U-Net结构的基础上构建的,它通过对全分辨率输入的上下文语义进行编码,将学习到的语义特征解码回图像,...原创 2019-10-16 09:46:08 · 3757 阅读 · 7 评论 -
论文阅读及代码运行-PEPSI : Fast Image Inpainting with Parallel Decoding Network
1、摘要最近,采用具有上下文关注模块(CAM)的由粗到细网络的基于生成对抗网络(GAN)的方法在图像修复中显示出突出的结果。然而,由于该方法的特征编码分为两阶段,需要大量的计算资源。为了解决这一问题,本文提出了一种新的网络结构PEPSI:具有并行解码结构的快速图像修复。PEPSI采用由一个共享编码网络和一个具有粗路径和修复路径的并行解码网络组成的结构,可以减少卷积操作的数量。粗路径产生一个初步的...原创 2019-10-15 20:33:05 · 3432 阅读 · 30 评论 -
论文阅读-Generative Image Inpainting with Contextual Attention
论文:论文地址http://openaccess.thecvf.com/content_cvpr_2018/papers/Yu_Generative_Image_Inpainting_CVPR_2018_paper.pdfgithub开源代码:tensorflow:https://github.com/JiahuiYu/generative_inpaintingpytorch:https:/...原创 2019-09-02 15:39:04 · 3050 阅读 · 0 评论 -
图像修复方法总结以及深度学习的论文汇总(更新中。。。)
1、图像修复总结图像修复(Image inpainting or Image complete )的目的是在给定一个mask的情况下,填充缺失区域的像素,使其整体达到纹理和结构一致性,或者语义和视觉可信。其应用范围十分广泛,如图像复原,图像编辑,图像去噪。图像修复本身就是一个高度病态问题,修复过程带有高度的主观性,比如专家修复艺术作品。现有的大多数深度学习方法将图像修复视为一个条件生成问题,输入...原创 2019-09-23 09:49:41 · 14767 阅读 · 3 评论