【算法介绍】

"Conditional Sequential Modulation for Efficient Global Image Retouching" 是一种图像修饰方法，主要用于对图像进行全局的高效调整。该方法基于深度学习技术，通过引入条件向量来实现对图像特征的调制，以达到改善图像质量和视觉效果的目的。

该方法主要包括两个网络：Base Network和Condition Network。Base Network是一个三层1x1的卷积层，相当于三个独立处理每个像素的多层感知器（MLP）。Condition Network则用于生成条件向量，该向量会被用来对Base Network的中间结果进行缩放（scaling）和移位（shifting）操作，从而实现对图像特征的调制。

这种方法的主要优点在于其高效性和灵活性。由于所有滤波器的大小都是1x1，因此网络的参数数量非常少，这使得网络能够快速地处理大分辨率的图像。此外，通过引入条件向量，该方法可以在不同风格间进行切换，从而实现对图像增强效果的控制。

该方法在MIT-Adobe FiveK数据集上进行了大量实验，并达到了最先进的性能，同时参数量也是最少的。实验结果证明了该方法的有效性和优越性。

总的来说，"Conditional Sequential Modulation for Efficient Global Image Retouching" 是一种高效、灵活且参数量少的图像修饰方法，对于改善图像质量和视觉效果具有重要的应用价值。

【论文简介】
论文题目：Conditional Sequential Modulation for Efficient Global Image Retouching

论文地址：https://arxiv.org/pdf/2009.10390.pdf

代码地址：https://github.com/hejingwenhejingwen/CSRNet

        文章使用了一个条件向量，通过加入条件向量，可以较大幅度提升效果，同时可以控制图像增强的效果，在不同风格间进行切换。另外，网络可以做到很小，轻量级，对大分辨率的图像处理的速度也会较快。

【效果展示】

【实现部分代码】 

using System;
using System.Collections.Generic;
using System.ComponentModel;
using System.Data;
using System.Diagnostics;
using System.Drawing;
using System.Linq;
using System.Text;
using System.Threading.Tasks;
using System.Windows.Forms;
using OpenCvSharp;namespace FIRC
{public partial class Form1 : Form{Mat src = new Mat();ImageRetouchNet pl = new ImageRetouchNet();public Form1(){InitializeComponent();}private void button1_Click(object sender, EventArgs e){OpenFileDialog openFileDialog = new OpenFileDialog();openFileDialog.Filter = "图文件(*.*)|*.jpg;*.png;*.jpeg;*.bmp";openFileDialog.RestoreDirectory = true;openFileDialog.Multiselect = false;if (openFileDialog.ShowDialog() == DialogResult.OK){src = Cv2.ImRead(openFileDialog.FileName);pictureBox1.Image = OpenCvSharp.Extensions.BitmapConverter.ToBitmap(src);}}private void Form1_Load(object sender, EventArgs e){pl.LoadWeights(Application.StartupPath+ @"\weights\csrnet_360x640.onnx");}private void button3_Click(object sender, EventArgs e){if (pictureBox1.Image == null){return;}var image = pl.Inference(src);pictureBox2.Image = OpenCvSharp.Extensions.BitmapConverter.ToBitmap(image); //Mat转Bitmap}}
}

【视频演示】

https://www.bilibili.com/video/BV1tu4m1A76Q/?vd_source=989ae2b903ea1b5acebbe2c4c4a635ee

【源码下载】

【测试环境】

vs2019,netframework4.7.2,opencvsharp4.8.0

【参考文献】

[1] https://blog.csdn.net/zhognsc08/article/details/127398036