<<<<<<< HEAD
# image_fix
在图像获取和传输过程中,往往伴随着各种形式的损坏,降低了图像质量和对图像信息的准确解释,一些老照片因为保存不当也会变得存在污渍或者破损缺失。图像修复技术主要用来修复日常生活中被噪声污染或者人为破坏的破损图像,也可应用于替换图像中的小区域或者瑕疵。本课题基于深度学习算法和图像处理技术,设计并开发一款图像修复深度学习算法程序
=======
# 基于深度学习的图像修复算法
#### Abstract
在图像获取和传输过程中,往往**伴随着各种形式的损坏**,降低了图像质量和对图像信息的准确解释,一些老照片因为保存不当也会变得存在污渍或者破损缺失。图像修复技术主要用来修复日常生活中被噪声污染或者人为破坏的破损图像,也可应用于**替换图像中的小区域或者瑕疵**。目前,图像修复工作仍然由经验丰富的图像修复师来完成,让图像修复借助深度学习算法实现自动化日趋成为该领域的发展方向。本课题基于深度学习算法和图像处理技术,设计并开发一款**图像修复深度学习算法程序**,**该程序能够对使用者上传的照片进行自动分析,根据用户需要修复照片损坏部分,提高照片的清晰度和观赏性。**
- **概述**
**本课题是基于深度学习的图像修复,模型设计思路来自于国际顶级会议论文思路,模型构建使用pytorch。**
最近的研究表明,在图像修复问题中建立远程相互作用模型具有很高的重要性。为了实现这一目标,现有的方法要么利用独立注意力技术,要么利用Transformer。但是,考虑到计算成本,并且通常需要修复低分辨率下的图像。本课题提出了一种新的基于Transformer和卷积的图像修复模型,该模型能够有效处理高分辨率图像。
具体来说,本课题设计了一个面向绘画的Transformer,并结合卷积的上下采样和图像风格迁移技术来实现缺失或者模糊图像的修复。
该模型由以下几个几个主要部分组成:卷积头、Transformer、卷积尾和风格迁移模块。 卷积头负责从输入图像和掩码中提取视觉标记。它包括四个3*3卷积层,用于更改图像维度和下采样。Transformer是模型的主要组成部分,由五个不同分辨率的Transformer组成。使用多头情境注意力对长距离互动进行建模。 卷积尾用于对输出标记的空间分辨率进行上采样以匹配输入大小。风格迁移模块旨在实现多元化生成并增强输出的多样性。它通过使用额外的噪声输入在重建过程中更改卷积层的权重归一化来操纵输出。该模块还结合了图像条件样式和无噪声样式,以增强噪声输入的表示能力。
- 作者目前**985计算机硕士在读**,研究方向人工智能,可以帮忙训练模型,并提供给你源代码和训练后的模型并教给你怎么使用,你只需要告诉我你的需求并提供给我图片数据集即可,我的收费很低,帮忙定制训练一个你想要的模型只需要**RMB 100元**。
- 最后再打个广告,人工智能领域,尤其是计算机视觉(Computer vision,CV)方向的毕业设计,只要你想得出,没有我做不出的
### 代码链接:
- [GitHub链接](https://github.com/zxx1218/LP_detection)
- 打不开的话GitHub地址在这里:https://github.com/zxx1218/LP_detection
- 没有科学上网工具打不开GitHub用这个gitee连接:[Gitee](https://gitee.com/zxx1218/LP_detection-gitee)
- gitee:https://gitee.com/zxx1218/LP_detection-gitee
### 数据集
- **人脸**公开数据集**CelebA-HQ**:链接:https://github.com/tkarras/progressive_growing_of_gans
制作机构:Tero Karras, Samuli Laine, Timo Aila 和 NVIDIA 的研究人员制作
- **场景**公开数据集**Places2**:链接:http://places2.csail.mit.edu/download.html
制作机构:斯坦福大学和微软研究院共同制作
- **街景**公开数据集**Paris StreetView**:链接:http://opendata.paris.fr/explore/dataset/photos-de-rue-a-paris/
制作机构:巴黎市政府
- **文理**公开数据集**DTD**:链接:http://www.robots.ox.ac.uk/~vgg/data/dtd/。
制作机构:英国牛津大学计算机视觉研究团队
- **建筑**公开数据集**Façade**:链接:
GitHub上的项目:https://github.com/shannontian/facade-parsing
官方网站:CMP Facade Database
数据集共享平台:https://www.vision.ee.ethz.ch/datasets_extra/facade/
制作机构:Czech Technical University in Prague (捷克技术大学)
### 需要具备的电脑配置:
- 如果你要自己训练,那首先你需要拥有一台搭载了NVIDIA系列显卡的电脑,A卡不行,建议显卡1080ti及以上,显存8G及以上,需要安装CUDA、CUDNN计算环境,以及pytorch和miniconda。
### 有问题联系作者:
- VX:Accddvva
- QQ:1144968929
## 训练好的模型展示!
- 以下的所有图片,是我在上述公开的数据集中训练过的模型,目的只是为了展示效果
- 下列图片顺序为:**原图、破损图、模型恢复后的图**
人脸:
<div align=left><img src="./show_img/原始.png" width="30%"> <img src="./show_img/破损后.png" width="30%"> <img src="./show_img/恢复后.png" width="30%"></div>
建筑:
<div align=left><img src="./show_img/原1.png" width="30%"> <img src="./show_img/破1.png" width="30%"> <img src="./show_img/恢复1.png" width="30%"></div>
## 作者联系方式:
- VX:Accddvva
- QQ:1144968929
>>>>>>> 8ad0105 (update)
没有合适的资源?快使用搜索试试~ 我知道了~
温馨提示
在图像获取和传输过程中,往往伴随着各种形式的损坏,降低了图像质量和对图像信息的准确解释,一些老照片因为保存不当也会变得存在污渍或者破损缺失。图像修复技术主要用来修复日常生活中被噪声污染或者人为破坏的破损图像,也可应用于替换图像中的小区域或者瑕疵。本课题基于深度学习算法和图像处理技术,设计并开发一款图像修复深度学习算法程序 - - 小白不懂运行,下载完可以私聊问,可远程教学 该资源内项目源码是个人的课程设计,代码都测试ok,都是运行成功后才上传资源,答辩评审平均分达到96分,放心下载使用! ## 项目备注 1、该资源内项目代码都经过测试运行成功,功能ok的情况下才上传的,请放心下载使用! 2、本项目适合计算机相关专业(如计科、人工智能、通信工程、自动化、电子信息等)的在校学生、老师或者企业员工下载学习,也适合小白学习进阶,当然也可作为毕设项目、课程设计、作业、项目初期立项演示等。 3、如果基础还行,也可在此代码基础上进行修改,以实现其他功能,也可用于毕设、课设、作业等。 下载后请首先打开README.md文件(如有),仅供学习参考, 切勿用于商业用途。 --------
资源推荐
资源详情
资源评论
收起资源包目录
image_fix-master (1).zip (64个子文件)
image_fix-master
metrics
__init__.py 435B
inception_discriminative_score.py 2KB
perceptual_path_length.py 5KB
metric_main.py 7KB
precision_recall.py 4KB
metric_utils.py 19KB
kernel_inception_distance.py 2KB
psnr_ssim_l1.py 588B
frechet_inception_distance.py 2KB
inception_score.py 2KB
gimg.py 6KB
evaluatoin
cal_psnr_ssim_l1.py 3KB
cal_fid_pids_uids.py 7KB
cal_lpips.py 2KB
datasets
mask_generator_512.py 3KB
dataset_512_val.py 10KB
mask_generator_256_small.py 3KB
dataset_256_val.py 10KB
mask_generator_512_small.py 3KB
dataset_512.py 10KB
dataset_256.py 10KB
mask_generator_256.py 3KB
legacy.py 16KB
show_img
原1.png 250KB
破损后.png 80KB
恢复后.png 304KB
恢复1.png 249KB
破1.png 99KB
原始.png 294KB
datasets.py 17KB
.gitignore 2KB
dnnlib
__init__.py 478B
util.py 16KB
training
__init__.py 435B
training_loop.py 24KB
augment.py 26KB
train.py 28KB
README.md 6KB
test_sets
Places
masks
mask1.png 2KB
mask2.png 6KB
images
test1.jpg 75KB
test2.jpg 120KB
CelebA-HQ
masks
mask1.png 2KB
mask2.png 6KB
images
test1.png 265KB
test2.png 339KB
torch_utils
__init__.py 438B
custom_ops.py 6KB
training_stats.py 10KB
misc.py 11KB
ops
__init__.py 438B
bias_act.h 1KB
upfirdn2d.cu 21KB
conv2d_gradfix.py 7KB
fma.py 2KB
conv2d_resample.py 7KB
upfirdn2d.py 16KB
bias_act.cpp 4KB
bias_act.py 10KB
grid_sample_gradfix.py 3KB
upfirdn2d.cpp 4KB
bias_act.cu 6KB
upfirdn2d.h 2KB
persistence.py 9KB
共 64 条
- 1
机智的程序员zero
- 粉丝: 2183
- 资源: 4258
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功
- 1
- 2
- 3
前往页