JuzaPhoto utilizza cookies tecnici e cookies di terze parti per ottimizzare la navigazione e per rendere possibile il funzionamento della maggior parte delle pagine; ad esempio, è necessario l'utilizzo dei cookie per registarsi e fare il login (maggiori informazioni).
Proseguendo nella navigazione confermi di aver letto e accettato i Termini di utilizzo e Privacy e preso visione delle opzioni per la gestione dei cookie.
Puoi gestire in qualsiasi momento le tue preferenze cookie dalla pagina Preferenze Cookie, raggiugibile da qualsiasi pagina del sito tramite il link a fondo pagina, o direttamente tramite da qui:
Siccome non mi accontento MAI, sto rifacendo il training con la rete leggermente migliorata e una strategia a step con fine-tuning finale su dataset di immagini stellari (per migliorare il denoise sui cieli). Quando avrò finito, presumo qualche giorno, produrrò gli eseguibili per windows e linux, così potrete provarlo e darmi dei feedback, se vi interessa ovviamente.
I cieli notturni sono estremamente ostici: spesso quando ho una stellata a pari importanza con il resto mi tocca lasciare il cielo con denoise non aggressivo e fare denoise deep learning sul resto perché altrimenti escono i mostri in mezzo alla volta celeste. Non è un caso che i denoise per astro siano programmi sempre a sé stanti!
I cieli notturni sono particolarmente ostici perché rappresentano un rischio fortissimo per le allucinazioni dei modelli AI: si inventano letteralmente cose che non esistono. Il problema è comunque risolvibile in fine-tuning tramite una funzione di perdita adeguata e controllo costante epoca per epoca. Sarebbe bello anche correggere le aberrazioni cromatiche e, soprattutto, le strisciate dei satelliti di Musk...
È possibile tutto con l'intelligenza artificiale ma bisogna fare dataset e tutto il contorno come Dio comanda!
Intanto che "traina", mi è venuta un'idea malsana... Se avessi, diciamo un centinaio di raw belli puliti a non più di 100 iso, con una certa varietà di soggetti e tutti provenienti dalla stessa macchina, potrei sviluppare velocemente dei modelli verticali che funzionerebbero estremamente bene su raw scattati con quella determinata macchina. Avendo anche a disposizione qualche dark frame, ancora meglio.
Lo so che li trovo, ma non hai capito... Mettiamo il caso che tu mi passi 100 raw, scattati con la tua macchina. Se io addestro il modello con i tuoi raw (che io non ho neanche bisogno di guardare perché non mi interessa minimamente), il modello risultante sarà specializzato sulla tua macchina e qualsiasi raw tu gli passi da denoisare, scattato con la tua macchina, lui lo lavora benissimo (anche se non lo ha mai visto), perché è specializzato su quel sensore. L'importante è che i raw siano pulitissimi perché da quelli creo sinteticamente il rumore e le coppie per l'addestramento supervisionato.
Poi, secondo me funzionerebbe bene anche a livello generale visto che il dataset che uso attualmente è composto da poche scene ripetute con diversi livelli di luminosità ma con livello di rumore sempre uguale e pochissima varietà, eppure rende bene lo stesso.
Seguo questo TD su segnalazione di @Leo45 e lo sto trovando molto interessante.
@Tigrone se vuoi te li fornisco io un centinaio di RAW (NEF) a ISO100, la quasi totalità sono foto di paesaggio, montagna, mare, città (non ho volti ne ritratti quei pochi che ho scattato sono stati fatti in Iso-Auto) tutti con una Nikon D7100 del 2013
Ottimo, comunque con calma, non c'è fretta anche perché coi NEF devo adeguare i miei script perché hanno i valori black_level e white_level infognati, devo accedere a quei dati diversamente rispetto ai CR2 o agli ARW. Vanno bene mare, montagna, città ecc, ma importante è distribuirli in quantità abbastanza equilibrate, non in modo maniacale ma neanche 1 montagna, 97 mare e 2 città insomma. Se posso, magari distribuiscili in cartelle separate così è più veloce per me estrapolare il dataset di validazione. Comunque, più dettagli ci sono, meglio è.
“ Ottimo, comunque con calma, non c'è fretta anche perché coi NEF devo adeguare i miei script perché hanno i valori black_level e white_level infognati, devo accedere a quei dati diversamente rispetto ai CR2 o agli ARW. Vanno bene mare, montagna, città ecc, ma importante è distribuirli in quantità abbastanza equilibrate, non in modo maniacale ma neanche 1 montagna, 97 mare e 2 città insomma. Se posso, magari distribuiscili in cartelle separate così è più veloce per me estrapolare il dataset di validazione. Comunque, più dettagli ci sono, meglio è. „
Te quando sei pronto mi fai sapere tramite MP e io te li preparo come meglio ti fa comodo ma soprattutto come te li posso inviare (ndr Wetrans non è proprio il massimo ultimamente)
Si si Leo stavo pensando a quello (swissteansfer) se sta bene a Tigrone
Che cosa ne pensi di questo argomento?
Vuoi dire la tua? Per partecipare alla discussione iscriviti a JuzaPhoto, è semplice e gratuito!
Non solo: iscrivendoti potrai creare una tua pagina personale, pubblicare foto, ricevere commenti e sfruttare tutte le funzionalità di JuzaPhoto. Con oltre 254000 iscritti, c'è spazio per tutti, dal principiante al professionista.
JuzaPhoto contiene link affiliati Amazon ed Ebay e riceve una commissione in caso di acquisto attraverso link affiliati.
