德布尔甘 swMATH ID: 42453 软件作者: Orest Kupyn、Tetiana Martyniuk、Junru Wu、Zhangyang Wang 描述: 去模糊GAN-v2:更快更好地去模糊。我们提出了一种新的用于单图像运动去模糊的端到端生成对抗网络(GAN),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。它可以灵活地与多种主干网协同工作,以平衡性能和效率。复杂骨干网(如Inception-ResNet-v2)的插件可以实现可靠的最先进的去模糊。同时,使用轻量级骨干网(如MobileNet及其变体),去模糊GAN-v2的速度是最接近的竞争对手的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,DeblurGAN-v2在几个流行的基准测试中,在去模糊质量(客观和主观)以及效率方面取得了非常有竞争力的性能。此外,我们还展示了该体系结构对于一般图像恢复任务也是有效的。我们的代码、模型和数据可从以下网址获得:https://github.com/VITA-Group/DeblurGANv2 主页: https://arxiv.org/abs/1908.03826 源代码: https://github.com/VITA-Group/DeblurGANv2 依赖项: 蟒蛇 关键词: 德布尔甘;蟒蛇;计算机视觉;模式识别;arXiv_cs。个人简历;机器学习;arXiv_cs。LG公司;去模糊 相关软件: 亚当;PyTorch公司;Tesseract公司;掌中宽带;启蒙运动;蟒蛇;MobileNetV2手机;开胃-v4;YOLO公司;ImageNet公司;TransGAN公司;斯塔根;着色变压器;BERT(误码率);AutoGAN公司;深红色;FFD网络;L-BFGS公司;github;SYNTHIA数据集 引用于: 7文件 标准条款 1出版物描述软件 年份 去模糊GAN-v2:更快更好地去模糊arXiv公司Orest Kupyn、Tetiana Martyniuk、Junru Wu、Zhangyang Wang 2019 全部的 前5名22位作者引用 1 罗伯托·贝拉尔多。 1 西尔维亚·博内蒂尼 1 邓海松 1 莱昂纳多·费雷拉。 1 乔治·弗朗西尼 1 葛,齐 1 马丁·根泽尔 1 托马斯·格尔默 1 斯特凡·哈梅林 1 李姬 1 简·麦克唐纳 1 马克西米利安·梅兹 1 丹尼尔·佩齐 1 马尔科·普拉托 1 邵文泽 1 里卡多·苏亚马 1 理查德·塞利斯基 1 AndréK·高桥。 1 提奥菲尔·特里普 1 托拜厄斯·尤尔沃 1 王丽倩 1 王伟喜 3篇连载文章中引用 5 反问题和成像 1 多维系统及信号处理 1 计算机科学课文 在5个字段中引用 6 计算机科学(68至XX) 6 信息与通信理论、电路(94-XX) 1 数值分析(65-XX) 1 光学、电磁理论(78-XX) 1 运筹学、数学规划(90-XX) 按年份列出的引文