图像增强
文章平均质量分 79
图像增强相关
CVer儿
开源让世界更美好
展开
-
用于提高车牌识别的单幅噪声图像去噪和校正
下面要介绍的论文始发于ICCV2019,题为「SNIDER: Single Noisy Image Denoising and Rectification for Improving License Plate Recognition」,axriv地址:https://arxiv.org/pdf/1910.03876 。在本文中,我们提出了一种用于从真实世界中的低质量图像中进行车牌识别的算法。我们的算法建立在降噪和校正的框架上,并且每个任务都是由卷积神经网络来执行。在先前的研究中,降噪和校正任务...转载 2021-12-08 11:08:33 · 675 阅读 · 0 评论 -
DeblurGANv2图像去模糊算法代码实践!
1.起源:GAN结构与原理在介绍DeblurGANv2之前,我们需要大概了解一下GAN,GAN最初的应用是图片生成,即根据训练集生成图片,如生成手写数字图像、人脸图像、动物图像等等,其主要结构如下:我们先由上图的左下方开始,假设现在只有一个样本,即batch size为1,则Random noise是一个由服从标准正态分布的随机数组成的向量。首先,我们将Random noise输入Generator,最原始GAN的Generator是一个多层感知机,其输入是一个向量,输出也是一个向量,然后我转载 2021-10-23 13:39:04 · 7886 阅读 · 32 评论 -
ICCV2021 | MIMO-UNet:重新思考CTF方案达成去模糊新高度AI算法与图像处理
AbstractCoarse-to-fine(CTF)策略已被广泛应用到图像去模糊领域,常规方法通常通过堆叠多尺度输入的子网络渐进提升提升输出图像的锐利度。比如DeepBlur、SRN所采用的处理策略。面向快速而精确的去模糊模型设计,我们对CTF策略进行了回顾并提出了一种多输入多输出UNet架构:MIMO-UNet。所提方案具有三个截然不同的特性: MIMO-UNet单编码器的多尺度图像输入设计缓解了训练的难度; MIMO-UNet单解码器的多尺度图像输出方式以单U形网络模仿了级联U转载 2021-10-18 10:44:27 · 1769 阅读 · 3 评论 -
一层卷积能做啥?一层卷积可以做超分!
转载自:AIWalker论文: https://arxiv.org/abs/2108.10335本文是京东方团队关于端侧超分的深度思考,以端侧设备超分为切入点,对经典上采样与深度学习超分之间的“空白”地带进行思考,提出了一类“一层”超分架构(脑洞真的太大了),并对所提方案与其他轻量型超分方案以及bicubic从不同角度进行了对比,同时也为未来端侧超分算法的设计提供了一个极具价值的参考点。Abstract经典的图像缩放(比如bicubic)可以视作一个卷积层+一个上采样滤波器,它在所有显示转载 2021-09-27 18:31:58 · 283 阅读 · 0 评论 -
keras基于GAN的去雾
https://github.com/raven-dehaze-work/MSCNN_Kerashttps://github.com/raven-dehaze-work/DeBlurGanToDehaze先留个坑原创 2021-05-19 16:35:03 · 1012 阅读 · 0 评论 -
基于深度学习unet模型去除水印
unet模型如下def res_block(x, nb_filters, strides): res_path = BatchNormalization()(x) res_path = Activation(activation='relu')(res_path) res_path = Conv2D(filters=nb_filters[0], kernel_size=(3, 3), padding='same', strides=strides[0])(res_path).原创 2020-10-29 19:33:38 · 1879 阅读 · 6 评论 -
基于noise2noise对抗网络深度学习去除复杂图像水印
代码链接:https://github.com/yu4u/noise2noisehttps://github.com/zxq2233/n2n-watermark-remove最近对取水印有很大兴趣,查阅相关资料发现Noise2Noise生成网络目前比较适合与相关领域,它不需要干净样本,思路是用噪声去训练样本,目前还在思考中;本地软件环境:Keras 2.2.5tensorflow-gpu 1.8.0代码目录:训练图:测试:...原创 2020-07-29 15:11:17 · 3645 阅读 · 2 评论 -
用超分辨率扛把子算法 ESRGAN,训练tf2图像增强模型
将图像或影片从低分辨率转化为高分辨率,恢复或补足丢失的细节(即高频信息),往往需要用到超分辨率技术。根据所用低分辨率图像的数量,超分辨率技术可分为单幅图像的超分辨率 (SISR) 和多幅图像的超分辨率 (MISR)。网友用 AI 技术给视频上色、插帧恢复了 1920 年北京市民生活记录影像SISR 利用一张低分辨率图像,达到图像尺寸增大或像素的增加的效果,从而获得一张高分辨率图像。MISR 则是借助同一场景中的多张低分辨率图像,获取不同细节信息,合成一张或多张高分辨率图像。MISR.转载 2021-05-13 09:18:41 · 842 阅读 · 0 评论 -
视频增强之“动态范围扩展”HDR技术漫谈
本文转载自腾讯多媒体实验室。随着HDR(High Dynamic Range)相关技术的发展,越来越多的视频平台和设备厂商持续推动HDR内容的制作与传播。HDR可以提供更丰富的细节,更宽广的色域和更自然的色彩过渡。为呈现更高的图像品质,给体验者带来更具沉浸式的感受,腾讯多媒体实验室也对这一技术投入研究并推广落地。本文主要介绍实验室在视频动态范围扩展这一视频增强技术方面的研究进展。在介绍相关算法的同时,文章简要分析和讨论扩展过程中需要解决的主要问题、可能的解决方案和存在的问题。一、背景介绍多媒转载 2021-02-04 16:01:02 · 2387 阅读 · 0 评论 -
基于unet的本文图像去噪
环境:torch 1.2.0torchsummary 1.5.1torchvision 0.4.0opencv4.4网络结构,incepton的unet,没什么可讲的。import torch.nn as nnimport torchclass Inception(nn.Module): def __init__(self, in_ch, out_ch): super(Inception, s...原创 2020-11-01 16:50:33 · 5261 阅读 · 4 评论 -
CVPR2020开源论文---defocus-deblurring-dual-pixel去模糊
论文:https://www.eecs.yorku.ca/~abuolaim/eccv_2020_dp_defocus_deblurring/defocus_deblurring_eccv_2020.pdfgithub:https://github.com/Abdullah-Abuolaim/defocus-deblurring-dual-pixel环境:Python 3.6.9 TensorFlow 1.9.0 Keras 2.2.4 Numpy 1.17.2 Scik..原创 2020-10-03 18:33:45 · 1620 阅读 · 6 评论 -
图像增强篇1---自适应伽马变换(opencv)
话不多说 先看效果传统伽马变换主要是通过过幂函数曲线将图像的对比度拉伸,取指数γ小于1来增强较暗(或曝光不足)的图像对比度;反过来,取指数γ大于1,则可以增强过亮(或过曝)图像对比度。但是在超声图像测试中发现,不同环境下图像的灰度分布与整体曝光均不相同,个体差异较大,采用单一经验指数γ经常不能达到较为理想效果。而文章介绍了一种自适应系数的伽马变换。原文链接:https://www.researchgate.net/publication/220051147_Contrast_image_correcti原创 2020-07-07 16:23:19 · 3905 阅读 · 0 评论