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：
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 |