Inicio Proyectos DPED
DPED

DPED

por aiff22 · GitHub

Software y modelos preentrenados para la mejora automática de la calidad de fotos usando Redes Neuronales Convolucionales Profundas

Ver en GitHub
En palabras simples

Mejora la calidad de tus fotos de smartphone para que parezcan tomadas con una cámara profesional.

⭐ Estrellas
🍴 Ramas
📜 Licencia
Licencia no especificada
📅 Creado
🔄 Último commit
🏷️ Categoría
💻 Lenguaje
¿Mantienes este proyecto?

Reivindica su pagina: indexada sea cual sea su posicion, traducida a seis idiomas y enriquecida con tus propias palabras.

Reivindicar esta pagina →
DPED — GitHub preview card
📈 Historial de estrellas
1 7101 709
2026-07-202026-07-29
📈 Sigue DPED

Recibe una alerta por correo en su próximo lanzamiento o cuando despegue — no te pierdas nada.

Gratis · sin tarjeta · cancela cuando quieras
Recibir alertas por email →
📄 Acerca de

Software y modelos preentrenados para la mejora automática de la calidad de fotos usando Redes Neuronales Convolucionales Profundas

DPED tiene 1.7k estrellas en GitHub. Se ha bifurcado 365 veces. DPED está escrito principalmente en Python. Se desarrolla activamente desde 2017. Sus temas principales son: computer-vision, convolutional-neural-networks, deep-learning, dped.

Frequently asked questions

¿Qué es DPED?

Software y modelos preentrenados para la mejora automática de la calidad de fotos usando Redes Neuronales Convolucionales Profundas

¿DPED es de código abierto?

DPED es un proyecto de código abierto.

¿DPED es gratis?

Sí. DPED es gratuito y de código abierto: puedes usarlo, modificarlo y alojarlo tú mismo.

¿En qué lenguaje está escrito DPED?

DPED está escrito principalmente en Python.

🏅 ¿Mantenedor de este proyecto?
olud.ai badge — DPED

Agrega este distintivo en vivo a tu README — tus estrellas de GitHub y rango en el directorio, actualizados diariamente.

[![olud.ai](https://olud.ai/badge.php?tool=aiff22-dped)](https://olud.ai/project/aiff22-dped.html)
Más opciones de distintivos →
🧬 Comparte ADN con🧬 Ver el mapa de ADN →

Medido a partir de los topics de GitHub comunes a ambos proyectos, ponderados por su rareza.