Home Progetti SRN-Deblur
SRN-Deblur

SRN-Deblur

di jiangsutx · GitHub

Repository per Scale-recurrent Network per Deep Image Deblurring

Visualizza su GitHub
In parole semplici

Rimuovi il blur dalle immagini utilizzando un modello addestrato sul tuo computer.

⭐ Stelle
🍴 Fork
📜 Licenza
Uso commerciale consentito
📅 Creato
🔄 Ultimo commit
🏷️ Categoria
💻 Lingua
Mantieni questo progetto?

Rivendica la sua pagina: indicizzata qualunque sia il rango, tradotta in sei lingue e arricchita con le tue parole.

Rivendica questa pagina →
SRN-Deblur — GitHub preview card
📈 Storia delle stelle
764762
2026-07-202026-07-29
📈 Segui SRN-Deblur

Ricevi un avviso via email alla prossima release o quando decolla — non perderti nulla.

Gratis · senza carta · disdici quando vuoi
Ricevi avvisi via email →
📄 Informazioni

Repository per Scale-recurrent Network per Deep Image Deblurring

SRN-Deblur ha 762 stelle su GitHub. È stato forkato 189 volte. SRN-Deblur è scritto principalmente in Python. È in sviluppo attivo dal 2018. SRN-Deblur è disponibile con licenza MIT. I suoi temi principali sono: computer-vision, deblurring, image-processing.

Frequently asked questions

Che cos'è SRN-Deblur?

Repository per Scale-recurrent Network per Deep Image Deblurring

SRN-Deblur è open source?

SRN-Deblur è un progetto open source. È rilasciato con licenza MIT.

SRN-Deblur è gratuito?

Sì. SRN-Deblur è gratuito e open source: puoi usarlo, modificarlo e ospitarlo autonomamente.

Con quale licenza è SRN-Deblur?

SRN-Deblur è disponibile con licenza MIT.

In quale linguaggio è scritto SRN-Deblur?

SRN-Deblur è scritto principalmente in Python.

🏅 Manutentore di questo progetto?
OpenSourceAI badge — SRN-Deblur

Aggiungi questo badge live al tuo README — le tue stelle GitHub e il ranking della directory, aggiornati quotidianamente.

[![OpenSourceAI](https://opensourceai.tech/badge.php?tool=jiangsutx-srn-deblur)](https://opensourceai.tech/project/jiangsutx-srn-deblur.html)
Altre opzioni di badge →
🧬 Condivide il DNA con🧬 Vedi la mappa del DNA →

Misurato dai topic GitHub comuni a entrambi i progetti, ponderati per la loro rarita.