Startseite Projekte DPED
DPED

DPED

von aiff22 · GitHub

Software und vortrainierte Modelle zur automatischen Verbesserung der Fotoqualität mit Deep Convolutional Networks

Auf GitHub ansehen
In einfachen Worten

Verbessern Sie die Qualität Ihrer Smartphone-Fotos, sodass sie aussehen, als wären sie mit einer professionellen Kamera aufgenommen worden.

⭐ Sterne
🍴 Forks
📜 Lizenz
Lizenz nicht angegeben
📅 Erstellt
🔄 Letzter Commit
🏷️ Kategorie
💻 Sprache
Betreuen Sie dieses Projekt?

Beanspruchen Sie die Seite: indexiert unabhangig vom Rang, in sechs Sprachen ubersetzt und mit Ihren eigenen Worten erganzt.

Diese Seite beanspruchen →
DPED — GitHub preview card
📈 Sternhistorie
1 7101 709
2026-07-202026-07-29
📈 DPED verfolgen

Erhalten Sie eine E-Mail-Benachrichtigung beim nächsten Release oder wenn es durchstartet.

Kostenlos · ohne Karte · jederzeit abbestellbar
E-Mail-Alerts erhalten →
📄 Über

Software und vortrainierte Modelle zur automatischen Verbesserung der Fotoqualität mit Deep Convolutional Networks

DPED hat 1.7k Sterne auf GitHub. Es wurde 365-mal geforkt. DPED ist hauptsächlich in Python geschrieben. Es wird seit 2017 aktiv entwickelt. Die Hauptthemen sind: computer-vision, convolutional-neural-networks, deep-learning, dped.

Frequently asked questions

Was ist DPED?

Software und vortrainierte Modelle zur automatischen Verbesserung der Fotoqualität mit Deep Convolutional Networks

Ist DPED Open Source?

DPED ist ein Open-Source-Projekt.

Ist DPED kostenlos?

Ja. DPED ist kostenlos und Open Source — Sie können es nutzen, anpassen und selbst hosten.

In welcher Sprache ist DPED geschrieben?

DPED ist hauptsächlich in Python geschrieben.

🏅 Wartender dieses Projekts?
OpenSourceAI badge — DPED

Fügen Sie dieses Live-Abzeichen zu Ihrem README hinzu — Ihre GitHub-Sterne und Verzeichnisrang, täglich aktualisiert.

[![OpenSourceAI](https://opensourceai.tech/badge.php?tool=aiff22-dped)](https://opensourceai.tech/project/aiff22-dped.html)
Weitere Abzeichenoptionen →
🧬 Teilt DNA mit🧬 DNA-Karte ansehen →

Ermittelt aus gemeinsamen GitHub-Topics beider Projekte, gewichtet nach ihrer Seltenheit.