OpenVINO使用教程--图像增强算法DarkIR

本节内容

  本节继续介绍一个图像处理算法：暗光图像修复。在OpenVINO使用上依然没有新的知识点，就当个打发时间的乐子吧。
  DarkIR 是一个用于低光图像复原的 CNN 模型。由于环境昏暗和常用的长时间曝光，夜间或黑暗环境下的摄影通常会受到噪点、低光和模糊等问题的困扰。尽管在这些条件下，去模糊和低光图像增强 (LLIE) 是相关的，但大多数图像复原方法都是分别解决这两个任务的。DarkIR 是一个高效且鲁棒的多任务低光图像复原神经网络。该方法提出了新的注意力机制来增强高效 CNN 的感受野。与以往方法相比，该方法降低了参数和 MAC 运算的计算成本。DarkIR 在流行的 LOLBlur、LOLv2 和 Real-LOLBlur 数据集上取得了新的最佳结果，并能够泛化到现实世界的夜间和黑暗图像中。

模型推理

1. 模型推理

• 加载图片

  def normalize_minmax(data):"""Normalizes the values in `data` between 0 and 1"""return (data - data.min()) / (data.max() - data.min())def pad_tensor(tensor: torch.Tensor, multiple=8):"""pad the tensor to be multiple of some number"""multiple = multiple_, _, H, W = tensor.sha