DeblurGAN-v2：更快更好地去模糊

论文地址：DeblurGAN-v2: Deblurring (Orders-of-Magnitude) Faster and Better

Github：https://github.com/TAMU-VITA/DeblurGAN      

or   https://github.com/KupynOrest/DeblurGANv2

 概念

我们提出了一种新的端到端生成对抗网络 (GAN)，用于单图像运动去模糊，名为 DeblurGAN-v2，它大大提高了最先进的去模糊效率、质量和灵活性。DeblurGAN-v2 基于具有双尺度鉴别器的相对论条件 GAN。我们首次将特征金字塔网络引入去模糊，作为 DeblurGAN-v2 生成器的核心构建块。它可以灵活地与各种主干一起工作，以在性能和效率之间取得平衡。复杂主干的插件（例如，Inception-ResNet-v2）可以实现最先进的去模糊。同时，借助轻量级骨干网（例如，MobileNet 及其变体），DeblurGAN-v2 比最接近的竞争对手快 10-100 倍，同时保持接近最先进的结果，这意味着可以选择实时视频去模糊。我们证明，在去模糊质量（客观和主观）以及效率方面，DeblurGAN-v2 在几个流行的基准测试中获得了非常有竞争力的性能。此外，我们展示了该架构对于一般图像恢复任务也很有效。

DeblurGAN-v2 架构

数据集

训练数据集可通过以下链接下载：

• DVD
• GoPro
• NFS

训练

命令

python train.py

训练脚本将在 config/config.yaml 下加载配置

张量板可视化

测试

要在单个图像上进行测试，

python predict.py IMAGE_NAME.jpg

默认情况下，Predictor 使用的预训练模型的名称是“best_fpn.h5”。可以在代码中更改它（'weights_path' 参数）。它假设使用了 fpn_inception 主干。如果您想尝试使用不同的主干预训练，请在 config/config.yaml 中的 ['model']['g_name'] 下也指定它。

预训练模型

这里的预训练模型链接已经失效，无法下载。

可以参考博主之前上传的同样的权重，如下。

deblurGANV2预训练模型.zip-算法与数据结构文档类资源-CSDN下载

数据集	G型	D型	损失类型	PSNR/SSIM	关联
GoPro 测试数据集	InceptionResNet-v2	双甘	拉根	29.55/ 0.934	fpn_inception.h5
	移动网络	双甘	拉根	28.17/ 0.925	fpn_mobilenet.h5
	MobileNet-DSC	双甘	拉根	28.03/ 0.922