To Top
首页 > 图像处理 > 正文

deblurGAN

标签:deblurgan


目录

用GAN使模糊图片变清晰(ECCV2018)

g: resnet+反卷积

7x7conv,3x3conv,9个resblock,再接convtranspose(反卷积)

d: 简单的cnn

loss:adversarial_loss + lambda * content_loss

content_loss: 生成的图片和真实图片过vgg,得到第一层的输出,算perceptual loss(本质是l2 loss)

adversarial_loss: wasserstein distance

数据集:gopro有1k数据,成对的数据:效果好,但会产生伪影和亮点。因为都是运动图片

还会生成一些棋盘图(相邻像素灰度值一个高一个低)==》因为图片size不同,所以在采样时会出现重叠,然后在重叠处==》把一个反卷积改成上采样(邻近插值)

参考Deconvolution and Checkerboard Artifacts

pytorch的修改方式参考:

https://github.com/junyanz/pytorch-CycleGAN-and-pix2pix/pull/64/commits/3b6a5bb36b018ffc6dd43833c5d31af1e7a5b770

nn.UpsamplingNearest2d(scale_factor=2)替换nn.ConvTranspose2d(ngf * mult, int(ngf * mult / 2)


原创文章,转载请注明出处!
本文链接:http://daiwk.github.io/posts/cv-deblurgan.html
上篇: cycleGAN
下篇: stackGAN

comment here..