标签：训练 fpn DeblurGAN v2 去模糊 config
论文地址：DeblurGAN-v2: Deblurring (Orders-of-Magnitude) Faster and Better
Github：https://github.com/TAMU-VITA/DeblurGANOr
or https://github.com/KupynOrest/DeblurGANv2
概念
我们提出了一种新的端到端生成对抗网络 (GAN)，用于单图像运动去模糊，名为 DeblurGAN-v2，它大大提高了最先进的去模糊效率、质量和灵活性。DeblurGAN-v2 基于具有双尺度鉴别器的相对论条件 GAN。我们首次将特征金字塔网络引入去模糊，作为 DeblurGAN-v2 生成器的核心构建块。它可以灵活地与各种主干一起工作，以在性能和效率之间取得平衡。复杂主干的插件（例如，Inception-ResNet-v2）可以实现最先进的去模糊。同时，借助轻量级骨干网（例如，MobileNet 及其变体），DeblurGAN-v2 比最接近的竞争对手快 10-100 倍，同时保持接近最先进的结果，这意味着可以选择实时视频去模糊。我们证明，在去模糊质量（客观和主观）以及效率方面，DeblurGAN-v2 在几个流行的基准测试中获得了非常有竞争力的性能。此外，我们展示了该架构对于一般图像恢复任务也很有效。
DeblurGAN-v2 架构
数据集
训练数据集可通过以下链接下载：
训练
命令
python train.py
训练脚本将在 config/config.yaml 下加载配置
张量板可视化
测试
要在单个图像上进行测试，
python predict.py IMAGE_NAME.jpg
默认情况下，Predictor 使用的预训练模型的名称是“best_fpn.h5”。可以在代码中更改它（'weights_path' 参数）。它假设使用了 fpn_inception 主干。如果您想尝试使用不同的主干预训练，请在 config/config.yaml 中的 ['model']['g_name'] 下也指定它。
预训练模型
这里的预训练模型链接已经失效，无法下载。
可以参考博主之前上传的同样的权重，如下。
deblurGANV2预训练模型.zip-算法与数据结构文档类资源-CSDN下载
| 数据集 | G型 | D型 | 损失类型 | PSNR/SSIM | 关联 |
|---|---|---|---|---|---|
| GoPro 测试数据集 | InceptionResNet-v2 | 双甘 | 拉根 | 29.55/ 0.934 | fpn_inception.h5 |
| 移动网络 | 双甘 | 拉根 | 28.17/ 0.925 | fpn_mobilenet.h5 | |
| MobileNet-DSC | 双甘 | 拉根 | 28.03/ 0.922 |
标签：训练,fpn,DeblurGAN,v2,去模糊,config 来源： https://blog.csdn.net/weixin_53711236/article/details/123165801
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。