深度学习的图像修复尝试（几种网络尝试）

a_rose_for_tang

于 2020-10-26 10:38:04 发布

阅读量2.3k

点赞数 1

文章标签：计算机视觉

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.youkuaiyun.com/a_rose_for_tang/article/details/109284596

版权

本文是作者实习期间对图像修复的深度学习方法进行实践和总结，包括2019年的EdgeConnect（先修复轮廓再填充颜色），2018年的Shift-Net（特征转移与guidance-loss），2017年的PConv-Net（由外圈向内扩散的补全思想），以及2019年的PEN-Net（实现困难）。作者分享了自己的实现效果，并提到传统算法如基于块的补全和TV补全算法的应用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

在自己的两个月实习过程中的学习总结，任务是补全图像。

试了几种比较有名的深度学习方法。后面打算把这些源码及使用说明都整理下放在github上。
（留个空放地址）

edgeconnect网络（2019年的）

先修复轮廓再填充颜色，（人类艺术家的角度看起来合理）
在这里插入图片描述
自己的实现效果

网络的效果，其实不是很好。感觉上。

shift-net（2018）

涉及到特征转移的创新点，以及一个guidance-loss 在这里插入图片描述
自己实现的效果

效果蛮好的。

pconv-net（2017）

英伟达

最低0.47元/天解锁文章

评论 13

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。