dcscn-super-resolution
Une implémentation tensorflow de "Super Résolution d'Image Rapide et Précise par Deep CNN avec Connexion de Saut et Réseau dans le Réseau", un modèle de Super-Résolution d'Image Unique (SISR) basé sur l'apprentissage profond.
Améliorez la qualité des images en utilisant un modèle d'apprentissage profond conçu pour la super-résolution.
Revendiquez sa page : indexée quel que soit son rang, traduite en six langues, et enrichie de vos propres mots.
Recevez une alerte par e-mail à sa prochaine version ou quand il décolle — ne ratez plus rien.
Gratuit · sans carte · désinscription à tout momentUne implémentation tensorflow de "Super Résolution d'Image Rapide et Précise par Deep CNN avec Connexion de Saut et Réseau dans le Réseau", un modèle de Super-Résolution d'Image Unique (SISR) basé sur l'apprentissage profond.
dcscn-super-resolution compte 713 étoiles sur GitHub. Il a été forké 219 fois. dcscn-super-resolution est écrit principalement en Python. Il est développé activement depuis 2017. dcscn-super-resolution est disponible sous licence MIT. Ses principaux thèmes sont : computer-vision, deep-learning, python, super-resolution.
Qu'est-ce que dcscn-super-resolution ?
Une implémentation tensorflow de "Super Résolution d'Image Rapide et Précise par Deep CNN avec Connexion de Saut et Réseau dans le Réseau", un modèle de Super-Résolution d'Image Unique (SISR) basé sur l'apprentissage profond.
dcscn-super-resolution est-il open source ?
dcscn-super-resolution est un projet open source. Il est distribué sous licence MIT.
dcscn-super-resolution est-il gratuit ?
Oui. dcscn-super-resolution est gratuit et open source — vous pouvez l'utiliser, le modifier et l'héberger vous-même.
Sous quelle licence est dcscn-super-resolution ?
dcscn-super-resolution est disponible sous licence MIT.
Dans quel langage dcscn-super-resolution est-il écrit ?
dcscn-super-resolution est écrit principalement en Python.
Ajoutez ce badge en direct à votre README — vos étoiles GitHub et votre classement dans le répertoire, actualisés quotidiennement.
[](https://olud.ai/project/jiny2001-dcscn-super-resolution.html)
Mesuré à partir des topics GitHub communs aux deux projets, pondérés par leur rareté.