什么都学不会

Python爬虫获取百度图片 重命名 帧差法获取视频关键帧

Augmentation使用

通过GAN 进行图像重建，恢复细节，去模糊，提高图像质量，图像还原，去噪等等。

imgaug简介、安装、使用

用于弱光图像增强的零参考深度曲线估计:文章目录,原文地址,本文优缺点,摘要/成果

用于单幅图像去雨的多尺度渐进融合网络概括创新不足模型粗融合模块（CFM）细融合模块（FFM）雨条纹重建模型（RM）损失函数均方误差边缘损失总损失函数实验结果原文代码概括文章主要结合金字塔结构、信道注意力机制进而协同地表示出多尺度的雨纹信息，提出了一种MSPFN网络。对于雨的成像原理，由于雨和相机之间的距离不同，导致图片中的雨水会呈现出不同的模糊度和分辨率，因此可以利用多分辨率和多尺度之间的互补信息来表示雨纹。本文主要提出了一个框架从输入图像尺度和层次深度特征的角度，探讨了雨纹的多尺度协同表示，进而

通过分解和增强学习恢复微光图像本文目的&成果&不足目的成果不足摘要ContributionModelACECDTProposed Dataset损失函数ExperimentsInternal AnalysisConclusion本文目的&成果&不足目的在同时增强微光图像并去除其噪声是不适定的问题，我们观察到噪声在不同频率层表现出不同程度的对比度，并且在低频层比在高频层更容易检测到噪声。是微光sRGB图像增强问题，包括图像增强和去噪两个方面。我们的动机基于两个观察结果。

1.图像的输入一张照片是如何输入到神经网络中的。众所周知，计算机适合处理的是矩阵运算，所以必须要把图片转换成矩阵后计算机才能认识。所有的彩色图像都由红绿蓝（RGB）叠加而成，成为图像的三个通道，一张图片在计算机中存储也是通过这三个矩阵完成的。RGB这三个矩阵称为为图像的3个通道，也作为神经网络的输入数据。（直方图均衡里边可以先把RGB转化为HSV处理）2.卷积神经网络的组成与其他神经网络相同，CNN网络同样也包含输入层、隐藏层、输出层几大部分，卷积神经网络的主要运算过程如图卷积.