Home Progetti RetinexNet
RetinexNet
Python

RetinexNet

Un'implementazione Tensorflow di RetinexNet

di weichen582 · GitHub
Stelle
Fork
Licenza
Creato
Ultimo commit
Lingua
computer-visionimage-enhancementimage-processingMITPython
Visualizza su GitHub
In parole semplici

Migliora le immagini in condizioni di scarsa illuminazione utilizzando un modello addestrato che migliora automaticamente la loro qualità.

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 →
RetinexNet — GitHub preview card
📈 Storia delle stelle
792791
2026-07-202026-08-31
📈 Segui RetinexNet

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

Un'implementazione Tensorflow di RetinexNet

RetinexNet ha 791 stelle su GitHub. È stato forkato 161 volte. RetinexNet è scritto principalmente in Python. È in sviluppo attivo dal 2018. RetinexNet è disponibile con licenza MIT. I suoi temi principali sono: computer-vision, image-enhancement, image-processing, image-restoration.

Frequently asked questions

Che cos'è RetinexNet?

Un'implementazione Tensorflow di RetinexNet

RetinexNet è open source?

RetinexNet è un progetto open source. È rilasciato con licenza MIT.

RetinexNet è gratuito?

Sì. RetinexNet è gratuito e open source: puoi usarlo, modificarlo e ospitarlo autonomamente.

Con quale licenza è RetinexNet?

RetinexNet è disponibile con licenza MIT.

In quale linguaggio è scritto RetinexNet?

RetinexNet è scritto principalmente in Python.

🏅 Manutentore di questo progetto?
olud.ai badge — RetinexNet

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

[![olud.ai](https://olud.ai/badge.php?tool=weichen582-retinexnet)](https://olud.ai/project/weichen582-retinexnet.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.