Salut tout le monde,

Merci pour vos interventions et l'aide que vous m'avez apportée sur mes précédents topics, ça m'a permis d'avancer (un peu différemment de ce à quoi je pensais initialement !) ;) .

J'ai désormais une nouvelle question à poser à cette communauté de JVC ;) !
-> je cherche à utiliser du machine learning (pas forcément du deep-learning notez bien) qui me permettrait, après une phase d'entraînement <10h environ, de déflouter une image (quelle que soit l'image donnée). La qualité du défloutage peut être imparfaite, tant qu'on voit une nette amélioration.
La durée d'entraînement <10h approximativement fait qu'un GAN ne peut pas être utilisé si je ne dis pas de bêtise.

Connaissez-vous un algorithme / réseau qui réponde à ces critères ? Des papiers de recherche me permettant de comprendre leur fonctionnement seraient les bienvenus, tout comme une illustration / une implémentation Tensorflow et/ou Keras (connaissant ces 2 bibliothèques).

Merci encore et bonne journée à vous les amis,

Il est important de préciser de quel type de flou tu parles (Motion Blur, Pixel Blur, Gaussian Blur, etc...). Cela change grandement le type de réseau utilisé.

Le 18 octobre 2019 à 14:16:25 AMD66 a écrit :
Il est important de préciser de quel type de flou tu parles (Motion Blur, Pixel Blur, Gaussian Blur, etc...). Cela change grandement le type de réseau utilisé.

Heum, les flous qu'on peut rencontrer lorsqu'on prend une photo (donc Motion Blur par exemple, ou encore un texte mal pris en photo : flou gaussien). Le pixel blur ne me semble pas approprié effectivement.

Essaye des convolutions avec un filtre genre laplacien, [[0,1,0][1,-4,1][0,1,0]] par exemple. ça permettra de mettre en valeur les contours et tu peux adapter le filtre en fonction de ton image( surtout vis à vis de sa taille ).

Sinon, la déconvolution de Lucy Richardson :
http://www.math.kent.edu//~reichel/publications/rlt.pdf

Ca ne marche pas d'essayer de reconstruire l'image avec de l'apprentissage supervisé classique en deep learning? (j'ia une base d'image A, je la floute, et je fais un apprentissage supervisé flouté => original, j'ai jamais essayé, j'imagine que certains ont déjà tentés)
Pour le traitement d'image, les techniques de machines learning hors deep learning sont généralement moins efficaces et je pense que les gens ont davantage tendance à utiliser des méthodes plus analytiques. Dans le genre j'ai vu des implem de BM3D convaincantes.
https://www.cs.tut.fi/~foi/GCF-BM3D/BM3DframesDeblur-Danielyan.pdf (page 9, d'autres algos sont cités)

Le 19 octobre 2019 à 19:58:37 blackapplex a écrit :
Ca ne marche pas d'essayer de reconstruire l'image avec de l'apprentissage supervisé classique en deep learning? (j'ia une base d'image A, je la floute, et je fais un apprentissage supervisé flouté => original, j'ai jamais essayé, j'imagine que certains ont déjà tentés)
Pour le traitement d'image, les techniques de machines learning hors deep learning sont généralement moins efficaces et je pense que les gens ont davantage tendance à utiliser des méthodes plus analytiques. Dans le genre j'ai vu des implem de BM3D convaincantes.
https://www.cs.tut.fi/~foi/GCF-BM3D/BM3DframesDeblur-Danielyan.p​ersonne bien eduquéef (page 9, d'autres algos sont cités)

Je ne sais pas khey, y a un papier de recherche par rapport à ce que tu dis concernant du supervisé classique ? pour me donner une idée de l'architecture à employer et des hyper-paramètres.

Après je vreux bien utiliser du deep-learning, mais pas de GAN vu qu'on m'a dit qu'un SRGAN met 2 ou 3 jours à s'entraîner easy

Le 18 octobre 2019 à 17:54:29 MonsieurBeauf a écrit :
Essaye des convolutions avec un filtre genre laplacien, [[0,1,0][1,-4,1][0,1,0]] par exemple. ça permettra de mettre en valeur les contours et tu peux adapter le filtre en fonction de ton image( surtout vis à vis de sa taille ).

Sinon, la déconvolution de Lucy Richardson :
http://www.math.kent.edu/~reichel/publications/rlt.p​ersonne bien eduquéef

ça marche ça ?