ubuntu16下MBLLEN运行过程记录

暗光增强论文MBLLEN: Low-light Image/Video Enhancement Using CNNs阅读笔记 论文地址:http://www.bmva.org/bmvc/2018/contents/papers/0700.pdf 项目地址:https://github.com/Lvfeifan/MBLLEN 来源:BMVC 2018 作者:北航 abstract 提出了一种基于深度学习的微光图像增强方法。由于难以同时处理包括亮度、对比度、伪影和噪声在内的各种因素,该问题具有挑战性。为了解决这一问题,我们提出了多分支微光增强网络(MBLLEN)。其核心思想是提取不同层次的丰富特征,通过多个子网进行增强,最终 阅读详情

1、代码来源
https://github.com/Lvfeifan/MBLLEN

2、创建虚拟环境:conda create -n MBLLEN python=3.6

3、打开项目文件夹,激活虚拟环境:conda activate MBLLEN

4、安装tensorflow 2.1.0:pip install tensorflow-gpu==2.1.0
注意:这里应该是CUDA与tensorflow版本不对应的问题。我的是cuda10.1版本,原文作者给出tensorflow1.6.0版本

5、安装Keras 2.3.1:pip install keras==2.3.1

6、安装Opencv-python 3.4.2:pip install opencv-python==3.4.2.16
然后:

cd main
python test.py

注意:input文件里放一张照片

【论文阅读】MBLLEN: Low-light Image/Video Enhancement Using CNNs 关键词:低光照图像/视频增强算法、多尺度特征融合、BMVC 2018 阅读详情

相关推荐

低光视频增强避坑指南:从SID、MBLLEN到SMOID的算法效果实测对比

本文深度评测了三种低光视频增强算法SID、MBLLEN和SMOID的性能表现,从量化指标到主观体验进行全面对比。通过实测数据展示各算法在PSNR、SSIM等关键指标上的差异,并提供针对监控视频、天文摄影等不同场景的选型建议和优化方案,帮助开发者避开常见实施陷阱。

weixin_26782929的博客 411

弱光增强论文解读--MBLLEN

一、文章摘要概述 文章的题目是: 《MBLLEN: Low-light Image/Video Enhancement Using CNNs》 这是一篇2018年6月份的BMCV(视觉顶刊)使用CNN做图像弱光增强的一篇会议文章,针对单分支或简单神经网络不能同时进行亮度、对比度增强和伪影去除、降噪等多功能需求,文章提出一种多分支弱光增强网络模型–MBLLEN。通过CNN卷积层将图像丰富的特征提取到...

CleMints的博客 7574

基于深度学习的低光照图像增强方法总结(2020.09.15更新)

之前在做光照对于高层视觉任务的影响的相关工作,看了不少基于深度学习的低光照增强(low-light enhancement)的文章[3,4,5,7,8,9,10],于是决定简单梳理一下。 光照估计(illumination estimation)和低光照增强(low-light enhancement)的区别:光照估计是一个专门的底层视觉任务(例如[1,2,6]),它的输出结果可以被用到其它任务...

hyk_1996的博客 3万+

MBLLEN: Low-light Image/VideoEnhancement Using CNNs (2018 BMCV(视觉顶刊))

Abstract 我们提出了一种基于深度学习的弱光图像增强方法。这个问题具有挑战性,因为难以同时处理各种因素,包括亮度、对比度、伪影和噪声。为了解决这一任务,我们提出了多分支低光增强网络(MBLLEN)。其关键思想是从不同的层次上提取丰富的特征,使我们可以通过多个子网应用增强,最终通过多分支融合生成输出图像。这样,就从不同的方面提高了图像质量。通过大量的实验,我们提出的MBLLEN被发现大大优于最先进的技术。此外,我们还表明,我们的方法可以直接扩展到处理低光视频。https://github.com/Lvf

zhouaho2010的博客 3606

综述:深度学习时代的低光图像增强最全综述,附带最新提出的大尺度低光图像数据集、在线评估平台

编辑:Happy 首发:AIWalker 本文是南开大学程明明与南洋理工大学Chen ChangeLoy等人关于深度学习时代的低光图像增强的综述。本文从低光图像增强的数据集、网络架构、损失函数、学习机制等不同角度对其进行了系统性的总数;为评估不同方法的泛化性与鲁棒性还提出了一个大尺度低光图像数据集;与此同时,针对低光图像增强存在的挑战以及未来有研究价值的方向进行了探讨。强烈推荐给各位low-level领域的同学! Abstract 低光图像增强(Low-light image enhancemen.

聚焦底层视觉处理,对相关基础AI技术持续学习 1万+

Python图像处理【21】基于卷积神经网络增强微光图像

在本节中,我们将学习如何基于预训练的深度学习模型执行微光/夜间图像增强。由于难以同时处理包括亮度、对比度、伪影和噪声在内的所有因素,因此微光图像增强一直是一项具有挑战性的问题。为了解决这一问题,提出了多分支微光增强网络 (multi-branch low-light enhancement network, MBLLEN),其关键思想是提取不同尺度的丰富特征,以便可以通过多个子网应用图像增强。最后,通过多分支融合生成输出图像,采用这种方式图像质量得到了极大的提高。

qq_30167691的博客 4321

探索MBLLEN:深度学习低光照图像和视频增强的利器

探索MBLLEN:深度学习低光照图像和视频增强的利器 在视觉体验日益重要的今天,低光照条件下的图像和视频处理显得尤为重要。MBLLEN(Multi-Band Lightening and Enhancing Network)是一个基于Keras实现的深度学习框架,用于提升暗环境中的图像和视频质量。这个开源项目由Feifan Lv、Feng Lu等研究人员在2018年英国机器视觉大会(BMVC)上发...

gitblog_00482的博客 1428

基于梯度域导引图像滤波的弱光图像增强

我们提出了一种用于弱光图像增强的新颖方法。 基于照明反射模型,采用导引图像过滤器提取基础图像的照明分量。 然后,我们获得反射分量并分别通过非线性函数Sigmoid和γ对其进行增强。 我们在梯度域中使用一阶边缘感知约束,以实现增强图像的良好边缘保留功能,并有效消除光晕伪像。 此外,由于增强的照明和反射分量,所得图像具有高对比度和充足的细节。 我们通过对大量弱光图像进行操作来评估我们的方法,并与其他流行方法进行比较。 实验结果表明,在视觉感知和客观评估方面,我们的方法优于其他方法。

【亲测免费】 MBLLEN 项目安装和配置指南

MBLLEN 项目安装和配置指南 1. 项目基础介绍和主要编程语言 项目介绍 MBLLEN(Multi-Branch Low-light Enhancement Network)是一个用于低光图像和视频增强的开源项目。该项目基于卷积神经网络(CNN),旨在提高在低光条件下拍摄的图像和视频的质量。MBLLEN 在 BMVC 2018 会议上发表,由 Feifan Lv、Feng Lu、Jianhua...

gitblog_07548的博客 599

COMSOL电弧放电仿真:四场耦合与磁流体建模实战指南

多物理场耦合仿真是现代工程中模拟复杂物理过程的重要手段。电弧本质上是电场、磁场、流场与温度场四场相互耦合的非线性系统,其行为由磁流体力学(MHD)方程描述。通过COMSOL等工具构建电弧模型,可准确预测温度分布、流场结构和电极烧蚀,为开关电器设计、等离子体应用等提供数据支撑。在高压电器开断、电弧切割、激光打孔等工程问题中,高效求解MHD耦合模型是关键。然而,电弧仿真涉及物性参数强非线性、边界条件设置、求解器配置以及移动网格处理等挑战。以二维轴对称电弧模型为例,系统梳理磁流体方程落地、多物理场耦合节点配置、收

weixin_30047059的博客 135

【原创】SAP/Oracle 集团企业海外全球化实施注意事项: 一带一路本地化 (持续更新)...

ABC集团SAP的系统平台已经扩展到全球一百来个国家和地区,SAP系统平台的全球实施项目中, 当时是需要支持当地的业务和法律法规的合规要求。   当时客户也是缺乏当地的资源以及对当地法律法规和业务实践的了解,需要团队提供了全球化的支持,通过我们全球产品技术专家充分传递了各区域的本地化支持和实践 而且近年来我们发现一些国家和政府,陆续都在推出一些新的税改和合规的要求,接下来基于这些要求,我们全球...

weixin_34024034的博客 1144

MBLLEN: 低光图像/视频增强项目推荐

MBLLEN: 低光图像/视频增强项目推荐 项目基础介绍和主要编程语言 MBLLEN 是一个基于 Keras 实现的低光图像和视频增强项目,项目代码托管在 GitHub 上,链接为 https://github.com/Lvfeifan/MBLLEN。该项目的主要编程语言是 Python,依赖于 TensorFlow 1.6.0、Keras 2.2.0 和 OpenCV-Python 3.4.2。...

gitblog_07544的博客 450

告别环境报错:Qt Creator里配置Android SDK/NDK/JDK路径的完整避坑指南

本文详细解析了在Qt Creator中配置Android SDK/NDK/JDK路径的完整避坑指南,深入探讨了路径检测的内部机制、构建套件配置的隐藏逻辑以及项目级与全局配置的优先级。通过实际案例和高级排查技巧,帮助开发者解决常见的环境报错问题,提升Qt安卓开发效率。

weixin_42548829的博客 238

低光照图像增强算法汇总

目录1、场景需求2、Retinex算法2.1 Retinex算法简介2.2 Retinex核心代码实现2.3 Retinex算法效果展示与分析3、LIME算法3.1、LIME算法简介3.2、LIME核心代码实现3.3、LIME算法效果展示与分析4、RetinexNet算法4.1 RetinexNet算法简介4.2 RetinexNet网络详解4.3 RetinexNet核心代码实现4.4 Reti...

WZZ18191171661的博客 3万+

433M无线遥控器EV1527协议解码实战:从逻辑分析到代码优化

本文详细解析了433M无线遥控器EV1527协议的实战解码过程。从使用逻辑分析仪抓取波形、理解同步头与数据位编码原理开始,逐步深入代码实现。文章重点对比了原始定时器轮询法的痛点,并提出了基于“边沿捕获+时间戳”的优化方案,构建了高效、可移植且具备抗干扰能力的解码引擎,最后分享了跨平台移植的核心技巧。

weixin_29168813的博客 927

把 ABAP 采购订单增强做成一条可控流水线:BAdI ME_PROCESS_PO_CUST 全流程实战

摘要: SAP MM模块的ME_PROCESS_PO_CUST BAdI提供了采购订单全生命周期的增强点,覆盖从ME2*N事务到BAPI调用的各类场景。该接口通过INITIALIZE、OPEN、PROCESS_*系列方法、CHECK等组成完整处理流水线,支持字段控制、业务校验、数据派生等功能。关键注意事项包括:PROCESS_*方法仅在相关对象变更时触发、字段控制需区分参考键与动态规则、避免递归调用等。该BAdI采用面向对象设计,通过IF_PURCHASE_ORDER_*等接口操作采购单据对象,而非直接修改

2007 年 ~ 2025 年,深耕 SAP 技术 18 年 404

ubuntu18.04下MBLLEN运行过程记录

1、代码来源 https://github.com/Lvfeifan/MBLLEN 2、创建虚拟环境:conda create -n MBLLEN python=3.5 3、打开项目文件夹,激活虚拟环境:conda activate MBLLEN 4、安装tensorflow 1.6.0:pip install tensorflow-gpu==1.6.0 5、安装Keras 2.2.0:pip install keras==2.2.0 6、安装Opencv-python 3.4.2:pip install

qq_42622871的博客 888

RK3568/RK3588 + YT 9215交换机芯片,MAC TO MAC 调试记录

原来的方案是rk3568 gmac 直接接phy,phy 接 switch 芯片,只是把交换芯片当交换用,驱动方面基本不用开发,但是要做vlan 那么必须涉及交换芯片的开发。选择裕太微有两个方面的原因:1.国产化替代2.可获得原厂技术支持3.目前已经完成 两个gmac 口交换芯片的配置,实现vlan,内部交换,两个光口可正常通信。

Nyiragongo的博客 1万+

2104.10729阅读笔记

原文链接 https://arxiv.org/abs/2104.10729 Abstract & Introduction Abstract 目标:为了改善在低光照环境中捕捉图像的感知和可解释性 Introduction 基本任务:弱光增强 传统的弱光增强方法:直方图均衡化 28,29;Retinex模型 30,31,32,33,34,35,36,37 1.典型的基于Retinex模型的方法 通过某种先...

zxs0717的博客 3216

深入浅出:大型语言模型(LLM)的全面解读

在当今的数字化时代,人工智能技术已经成为各行各业的核心驱动力之一。而在人工智能的领域中,大型语言模型(LLM)作为一种引人瞩目的技术,正在以其强大的语言理解和生成能力引领着一场革命。本文旨在深入浅出地解读大型语言模型,探讨其背后的原理、技术突破、应用场景以及未来发展趋势。

fudaihb的博客 10万+

Data-Structures-and-Algorithm-Analysis-in-Java.pdf

作者: Weiss, Mark A. 出版社: Addison Wesley Data Structures and Algorithm Analysis in Java is an “advanced algorithms” book that fits between traditional CS2 and Algorithms Analysis courses. In the old ACM Curriculum Guidelines, this course was known as CS7. This text is for readers who want to learn good programming and algorithm analysis skills simultaneously so that they can develop such programs with the maximum amo...

论文阅读笔记----MBLLEN: Low-light Image/Video Enhancement Using CNNs

Lv F, Lu F, Wu J, et al. MBLLEN: Low-Light Image/Video Enhancement Using CNNs[C]//BMVC. 2018: 220. 摘要: 提出了一种基于深度学习的微光图像增强方法。由于难以同时处理包括亮度、对比度、伪影和噪声在内的各种因素,这个问题具有挑战性。为了解决这一问题,我们提出了多分支微光增强网络(MBLLEN)。...

qq_25283239的博客 3380

Statistics and Machine Learning Toolbox

Statistics and Machine Learning Toolbox(带书签),MATLAB统计学习工具

MBLLEN: Low-light Image/Video Enhancement Using CNNs--论文阅读笔记

论文地址 项目地址 Introduction

zeronose的博客 1825

C# WinForm 基于DirectShow.dll编写的程序,可边预览边保存视频,音频和图片

基于微软的DirectShow.dll的二次开发1.自动识别连接的摄像头跟麦克风且可以对其进行选择(默认选中第一个)2.可录制wmv和avi两种格式的视频并且都带有音频,avi可以录制的分辨率和帧数进行选择,wmv默认进行了淸晰度优化如不喜欢可去除代码中有相关提示3.可在预览点开之后进行拍照,也可边录制视频边拍照4.添加了视频和音频的压缩功能(酌情使用)这次二次开发发现C#对DirectShow的相关信息太少,这次做完也不敢藏私共享出来,还望大家指正

数学建模模型总结

这是本人在两年内准备参加数学建模竞赛搜集到的模型资料,已经经过了本人的筛选和整理,希望能够对准备参加数学建模竞赛的学弟学妹们提供一些帮助!

em算法 图像模糊检测_基于深度学习的图像增强调研

目前,行业内绝大数企业能够做到再正常天气状态下的自动驾驶,但是对于恶劣天气环境,很多企业其实还有很多难题。合理轨迹不同感知传感器的瓶颈,冗余设计都是解决方案。对于夜间的图像识别应该怎么处理呢?先通过一个分类器,判别属于白天还是黑夜,然后如果判别为黑夜,或许能先经过图像增强,然后才进行下一步检测识别等流程。在计算机视觉应用(例如,物体检测和跟踪)和消费电子(例如,手持设备)中都需要高质量的图像和视频...

weixin_31062533的博客 940

深度学习0:数学知识:正态分布1

步骤内容结果1引入e−x2e^{-x^2}e−x2钟形曲线2算它的面积I∫−∞∞e−x2dxI∫−∞∞​e−x2dx3平方变成二重积分I2I^2I24换极坐标简化计算5算出I2πI^2 = \piI2πIπIπ​6代入σ\sigmaσ和μ\muμ做变量替换得到σ2πσ2π​7除以它归一化得到正态分布公式2π2π​不是随便写的,它来自高斯积分∫−∞∞e−x2。

tellmewhoisi的博客 202
上一篇: 解决错误:“AttributeError: ‘str‘ object has no attribute ‘decode
W远涛
博客等级 码龄8年 12粉丝 3原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
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。

余额充值