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