MIRNet 开源项目教程
2024-09-18 01:45:05作者:乔或婵
MIRNet
Tensorflow implementation of MIRNet for Low-light image enhancement
1. 项目介绍
MIRNet(Multi-scale Image Restoration and Enhancement Network)是一个用于图像恢复和增强的开源项目。该项目在 ECCV 2020 上发布,旨在通过学习丰富的特征来恢复高质量的图像内容。MIRNet 在图像去噪、超分辨率和图像增强等任务上取得了最先进的结果。
主要特点
- 多尺度特征提取:通过并行的多分辨率卷积流提取多尺度特征。
- 信息交换:在多分辨率流之间进行信息交换,以增强特征的上下文信息。
- 注意力机制:使用空间和通道注意力机制来捕捉上下文信息。
- 多尺度特征聚合:基于注意力的多尺度特征聚合,以保持高分辨率的空间细节。
2. 项目快速启动
安装依赖
首先,确保你已经安装了 Python 3.7 和 PyTorch 1.1.0。然后,按照以下步骤安装其他依赖项:
sudo apt-get install cmake build-essential libjpeg-dev libpng-dev
conda create -n pytorch1 python=3.7
conda activate pytorch1
conda install pytorch=1.1 torchvision=0.3 cudatoolkit=9.0 -c pytorch
pip install matplotlib scikit-image opencv-python yacs joblib natsort h5py tqdm
下载数据集
下载 SIDD-Medium 数据集并生成图像补丁:
python generate_patches_SIDD.py --ps 256 --num_patches 300 --num_cores 10
训练模型
使用默认参数训练模型:
python train_denoising.py
评估模型
下载预训练模型并进行评估:
python test_denoising_sidd.py --save_images
3. 应用案例和最佳实践
图像去噪
MIRNet 在图像去噪任务中表现出色。以下是一个使用预训练模型对 SIDD 数据集进行去噪的示例:
python test_denoising_sidd.py --save_images
图像超分辨率
MIRNet 也可以用于图像超分辨率任务。以下是一个使用预训练模型对图像进行超分辨率的示例:
python test_super_resolution.py --save_images --scale 3
图像增强
MIRNet 在图像增强任务中同样表现优异。以下是一个使用预训练模型对 LOL 数据集进行图像增强的示例:
python test_enhancement.py --save_images --input_dir /datasets/lol/ --result_dir /results/enhancement/lol/ --weights /pretrained_models/enhancement/model_lol.pth
4. 典型生态项目
TensorFlow 实现
除了 PyTorch 实现外,MIRNet 还有 TensorFlow 实现,由 Soumik Rakshit 提供:
- GitHub 链接: soumik12345/MIRNet
TensorFlow.js 实现
Rishit Dagli 提供了 MIRNet 的 TensorFlow.js 实现,可以在浏览器中运行:
- GitHub 链接: rishit-dagli/MIRNet-TFJS
TensorFlow Lite 实现
Sayak Paul 提供了 MIRNet 的 TensorFlow Lite 实现,适用于移动设备:
- GitHub 链接: sayakpaul/MIRNet-TFLite
通过这些生态项目,MIRNet 可以在不同的平台和环境中得到应用,进一步扩展其应用范围。
MIRNet
Tensorflow implementation of MIRNet for Low-light image enhancement
热门项目推荐
相关项目推荐
- CangjieCommunity为仓颉编程语言开发者打造活跃、开放、高质量的社区环境Markdown6690
- redis-sdk仓颉语言实现的Redis客户端SDK。已适配仓颉0.53.4 Beta版本。接口设计兼容jedis接口语义,支持RESP2和RESP3协议,支持发布订阅模式,支持哨兵模式和集群模式。Cangjie32226
- Yi-CoderYi Coder 编程模型,小而强大的编程助手305
- qwerty-learner为键盘工作者设计的单词记忆与英语肌肉记忆锻炼软件 / Words learning and English muscle memory training software designed for keyboard workersTypeScript15.77 K1.48 K
- advanced-javaAdvanced-Java是一个Java进阶教程,适合用于学习Java高级特性和编程技巧。特点:内容深入、实例丰富、适合进阶学习。JavaScript76.1 K19.07 K
- taro开放式跨端跨框架解决方案,支持使用 React/Vue/Nerv 等框架来开发微信/京东/百度/支付宝/字节跳动/ QQ 小程序/H5/React Native 等应用。 https://taro.zone/TypeScript35.51 K4.79 K
- CommunityCangjie-TPC(Third Party Components)仓颉编程语言三方库社区资源汇总252
- Wwindows暂无简介Shell16.14 K1.35 K
- byzer-langByzer(以前的 MLSQL):一种用于数据管道、分析和人工智能的低代码开源编程语言。Scala1.88 K551
- AanacondaAnaconda turns your Sublime Text 3 in a full featured Python development IDE including autocompletion, code linting, IDE features, autopep8 formating, McCabe complexity checker Vagrant and Docker support for Sublime Text 3 using Jedi, PyFlakes, pep8, MyPy, PyLint, pep257 and McCabe that will never freeze your Sublime Text 3Python2.22 K263
最新内容推荐
展开
项目优选
收起
CangjieCommunity
为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
669
0
RuoYi-Vue
🎉 基于SpringBoot,Spring Security,JWT,Vue & Element 的前后端分离权限管理系统,同时提供了 Vue3 的版本
Java
136
18
openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
10
4
redis-sdk
仓颉语言实现的Redis客户端SDK。已适配仓颉0.53.4 Beta版本。接口设计兼容jedis接口语义,支持RESP2和RESP3协议,支持发布订阅模式,支持哨兵模式和集群模式。
Cangjie
322
26
advanced-java
Advanced-Java是一个Java进阶教程,适合用于学习Java高级特性和编程技巧。特点:内容深入、实例丰富、适合进阶学习。
JavaScript
75.83 K
19.04 K
qwerty-learner
为键盘工作者设计的单词记忆与英语肌肉记忆锻炼软件 / Words learning and English muscle memory training software designed for keyboard workers
TSX
15.56 K
1.44 K
Jpom
🚀简而轻的低侵入式在线构建、自动部署、日常运维、项目监控软件
Java
1.41 K
292
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手
HTML
30
5
easy-es
Elasticsearch
国内Top1 elasticsearch搜索引擎框架es ORM框架,索引全自动智能托管,如丝般顺滑,与Mybatis-plus一致的API,屏蔽语言差异,开发者只需要会MySQL语法即可完成对Es的相关操作,零额外学习成本.底层采用RestHighLevelClient,兼具低码,易用,易拓展等特性,支持es独有的高亮,权重,分词,Geo,嵌套,父子类型等功能...
Java
1.42 K
231
taro
开放式跨端跨框架解决方案,支持使用 React/Vue/Nerv 等框架来开发微信/京东/百度/支付宝/字节跳动/ QQ 小程序/H5/React Native 等应用。 https://taro.zone/
TypeScript
35.34 K
4.77 K