dcscn-super-resolution
Uma implementação em tensorflow de "Super Resolução de Imagem Rápida e Precisa por CNN Profunda com Conexão de Salto e Rede em Rede", um modelo de Super-Resolução de Imagem Única (SISR) baseado em aprendizado profundo.
Melhore a qualidade da imagem usando um modelo de aprendizado profundo projetado para super-resolução.
Reivindique a sua pagina: indexada seja qual for a posicao, traduzida em seis linguas e enriquecida com as suas palavras.
Receba um alerta por e-mail no próximo lançamento ou quando começar a bombar.
Grátis · sem cartão · cancele quando quiserUma implementação em tensorflow de "Super Resolução de Imagem Rápida e Precisa por CNN Profunda com Conexão de Salto e Rede em Rede", um modelo de Super-Resolução de Imagem Única (SISR) baseado em aprendizado profundo.
dcscn-super-resolution tem 713 estrelas no GitHub. Foi bifurcado 219 vezes. dcscn-super-resolution é escrito principalmente em Python. Está em desenvolvimento ativo desde 2017. dcscn-super-resolution está disponível sob a licença MIT. Os seus principais temas são: computer-vision, deep-learning, python, super-resolution.
O que é dcscn-super-resolution?
Uma implementação em tensorflow de "Super Resolução de Imagem Rápida e Precisa por CNN Profunda com Conexão de Salto e Rede em Rede", um modelo de Super-Resolução de Imagem Única (SISR) baseado em aprendizado profundo.
dcscn-super-resolution é de código aberto?
dcscn-super-resolution é um projeto de código aberto. É distribuído sob a licença MIT.
dcscn-super-resolution é gratuito?
Sim. dcscn-super-resolution é gratuito e de código aberto — você pode usá-lo, modificá-lo e hospedá-lo por conta própria.
Sob que licença está dcscn-super-resolution?
dcscn-super-resolution está disponível sob a licença MIT.
Em que linguagem dcscn-super-resolution está escrito?
dcscn-super-resolution é escrito principalmente em Python.
Adicione este badge ao vivo ao seu README — suas estrelas do GitHub e classificação no diretório, atualizadas diariamente.
[](https://olud.ai/project/jiny2001-dcscn-super-resolution.html)
Medido a partir dos topics do GitHub comuns aos dois projetos, ponderados pela sua raridade.