概述

近十年来，基于深度学习的图像去噪方法逐渐发展，人们使用DCNN模型去处理图像，效果表现良好。大多数人将其归因于网络预先基于大量真实图片进行了训练，并从中获得了足够的先验信息，即像素怎样才能组合成一张“正常”的图像。而本次要介绍的论文《Deep Image Prior》则另辟蹊径，从另一个角度实现了图像去噪。 Deep Image Prior的主要功能有三个，分别是：图像去噪、分辨率增强、图像修复；

在这里，我们提供了用于生成图形的超参数和架构。他们中的大多数远非最佳。不要犹豫，更改它们并查看效果。

我们将很快用超参数和选项列表扩展这个 README。

安装

[hidecontent type="logged" desc="隐藏内容：登录后可查看"]

以下是您需要安装以执行代码的库列表：

python = 3.6
pytorch = 0.4
numpy
scipy
matplotlib
scikit-image
jupyter

它们都可以通过conda( anaconda) 安装，例如

conda install jupyter

或者通过环境文件创建一个包含所有依赖项的 conda env

conda env create -f environment.yml

Docker image

或者，您可以使用 Docker image来公开具有所有必需依赖项的 Jupyter Notebook。要构建此映像，请确保同时安装了docker和 nvidia-docker，然后运行

nvidia-docker build -t deep-image-prior .

构建完成后，您可以启动容器

nvidia-docker run --rm -it --ipc=host -p 8888:8888 deep-image-prior

您将获得一个 URL，您可以通过该 URL 连接到 Jupyter notebook。

[/hidecontent]