mnist_deblurring

使用卷积神经网络进行图像去模糊 贡献者 托马斯·埃德利希（te95） 奥马尔·卡迪姆（Apollonius14） 项目目标 该项目最初是为了参加华为赞助的车牌去模糊竞赛而进行的。 最初的目标是对交通摄像头拍摄的车牌图像进行模糊处理。 这些图像经常失真，主要是由于汽车运动造成的运动模糊，也归因于随机噪声和图像的有损压缩。 我们项目的想法是训练卷积神经网络（CNN）来反转这些模糊效果。 因此，CNN的输入是模糊图像，而输出是校正后的图像。 不幸的是，我们不允许发布任何华为提供的用于比赛的车牌图像。 因此，我们无法展示我们取得的成果。 取而代之的是，我们在此存储库中演示了如何使用CNN来从“嘈杂的MNIST（运动模糊）”数据集[1]中对图像进行模糊处理。 方法 使用机器学习或更具体地说是CNN进行图像去模糊可能会非常棘手，因为CNN是一种受监督的学习算法，因此需要成对的输入和正确的标签进