VITA-Group/EnlightenGAN
این پروژه یک مدل یادگیری عمیق برای بهبود کیفیت تصاویر تاریک بدون نیاز به جفت‌های نظارتی (تصاویر روشن و تاریک متناظر) ارائه می‌دهد.
کاربرد:
بهبود روشنایی تصاویر در شرایط نوری ضعیف، بدون نیاز به دیتاست‌های جفت‌شده برای آموزش. این ویژگی آن را بسیار کاربردی برای پردازش تصاویر واقعی می‌کند.
در چه شرایطی بهتره استفاده شود؟
وقتی دسترسی به تصاویر جفت‌شده (تاریک و روشن) ممکن نیست، یا وقتی می‌خواهید تصاویر ضعیف نور را به صورت خودکار و با کیفیت بالا بهبود بدهید — مثل عکس‌های شب، تصاویر پزشکی یا نظارتی.
چند مثال از موارد استفاده:
- بهبود تصاویر گرفته‌شده توسط دوربین‌های نظارتی در شب ️️
- افزایش کیفیت عکس‌های موبایل در نور کم
- پردازش تصاویر پزشکی با نوردهی پایین
- آماده‌سازی تصاویر برای مدل‌های تشخیص چهره یا شیء در شرایط نوری نامناسب ️
- ##EnlightenGAN
- ##LowLightEnhancement
- ##UnsupervisedLearning
- ##ImageProcessing
- ##DeepLearning
- ##ComputerVision
- ##GAN
- ##LowLightPhoto
- ##ImageRestoration
- ##AI