VIP20

本课程属于：003-高级ISP算法 AI视觉与工业视觉 · 共 20 门相关课程，组合学习更完整。

查看所属VIP全部课程 →

← 返回所属目录咨询 / 购买

低光照增强算法调试与参数调优

共计 30 章节

点击此处阅读海量试读课程：100+行业、1000+细分领域

低光照增强概述

什么是低光照图像 · 增强算法的应用场景 · 课程目标与学习路径

低光照增强概述什么是低光照图像

图像基础回顾

像素与直方图 · RGB与HSV色彩空间 · 噪声模型与信噪比

图像基础回顾像素

直方图均衡化(HE)

原理推导 · OpenCV实现 · 效果分析与局限性

HE直方图均衡化

自适应直方图均衡化(AHE)

局部对比度增强 · 分块策略 · 块效应问题

AHE自适应直方图均衡…

限制对比度自适应直方图均衡化(CLAHE)

Clip Limit原理 · 参数详解 · 实战调参

CLAHE限制对比度自适应…

Gamma曲线数学原理 · 亮度调整 · 与直方图方法的对比

Retinex理论入门

光照-反射模型 · 单尺度Retinex(SSR) · 多尺度Retinex(MSR)

Retinex理论入门

色彩恢复因子 · OpenCV实现 · 参数敏感性分析

基于去雾的暗通道先验(DCP)

暗通道原理 · 透射率估计 · 应用于低光照增强

DCP基于去雾的暗通道…

双边滤波与引导滤波

保边平滑原理 · 在光照估计中的应用 · 速度对比

双边滤波引导滤波

基于融合的方法

多曝光融合 · 金字塔分解 · 权重图设计

基于融合的方法多曝光融合

深度学习入门

CNN基础 · 低光照增强的数据集(LOL · MIT5K)

深度学习入门CNN

经典网络LLNet

架构解析 · 训练技巧 · 复现注意事项

LLNet经典网络

分解网络 · 调整网络 · 重建网络

Retinex-Net分解网络

无参考增强 · 曲线估计 · 轻量化设计

Zero-DCE无参考增强

生成对抗网络 · 全局-局部判别器 · 注意力机制

EnlightenGAN生成对抗网络

MIRNet与MIRNetV2

多尺度残差块 · 特征融合 · SOTA性能分析

数据增强与预处理

随机裁剪 · 色彩抖动 · 噪声模拟

数据增强预处理

损失函数详解

L1/L2损失 · 感知损失(Perceptual Lo… · SSIM损失

损失函数详解L1/L2

评估指标(上)

PSNR · SSIM · LPIPS

评估指标PSNR

评估指标(下)

无参考指标对比 · 主观评价方法 · 指标局限性讨论

评估指标无参考指标对比

调试环境搭建

PyTorch/TensorFlow… · CUDA与cuDNN · Docker镜像

调试环境搭建PyTorch/Tens…

参数调优方法论

网格搜索 · 随机搜索 · 贝叶斯优化

参数调优方法论网格搜索

学习率调度

Warm-up · Cosine Annealing · ReduceLROnPlateau

学习率调度Warm-up

正则化与过拟合

Dropout · Weight Decay · Batch Normalizatio…

正则化过拟合

模型轻量化

剪枝(Pruning) · 量化(Quantization) · 知识蒸馏(Distillation)

模型轻量化Pruning

部署与推理优化

ONNX导出 · TensorRT加速 · NCNN移动端部署

部署推理优化

实战项目一

基于CLAHE的夜间视频增强系统（参…

实战项目一CLAHE

实战项目二

基于Zero-DCE的移动端照片增强…

实战项目二Zero-DCE

课程总结与前沿展望

LLIE最新解读 · 未来趋势 · 学习资源推荐

课程总结前沿展望