先判断：这门课值不值得学
这门课聚焦的是生成对抗网络在图像增强里的落地应用，解决的是图像降噪、色调映射这类底层视觉任务。传统方法靠滤波或手工特征，遇到复杂噪声和光照往往力不从心，GAN 则能从数据里学映射关系。如果你做的是安防、遥感、医学影像或低质图像修复相关业务，需要自己动手改进模型效果，这门课的切入角度很务实。但如果你只是想做通用应用开发，或者对深度学习基础还停留在调用 API 层面，建议先补好框架操作再来看。
看什么：建议的切入顺序
资料是按理论加实战编排的，不要从头按顺序硬啃。建议先看图像降噪基础和进阶这两块，把 GAN 的生成器与判别器博弈逻辑搞懂，理解损失函数怎么驱动模型收敛。接着直接跳到 DANet 实战部分，从项目介绍到模型测试连贯看一遍，重点理解数据读取怎么处理成对图像、模型搭建时网络层怎么串联。色调映射那块可以放在降噪实战跑通后再看，用来对比不同增强任务的差异。基础篇帮你看懂原理，实战篇帮你跑通代码，两者穿插看效率最高。
怎么用：配合资料练到什么程度
拿到资料后，先把实战视频里的代码对照着敲一遍，不要直接复制现成脚本。数据读取环节重点改一下数据路径和预处理尺寸，用你自己的小批量图片跑通流程；模型训练环节建议降低迭代轮次，先验证整个链路能否正常前向传播和反向更新。学完之后，你应该能独立完成一件事：给定一组带噪声或低动态范围的图像，自己搭建 GAN 模型并训练出可用的增强结果，而不是只会跑别人调好的脚本。练习时遇到训练发散或生成模糊，回头结合基础篇的损失函数设计去排查，这样理论和工程才能真正咬合。
阐述图像增强在各领域的重要性，介绍传统方法的局限，引出GAN在图像增强中的应用。介绍GAN诞生背景，梳理发展历程，说明它如何在图像增强领域崭露头角。
课程目录
* 1_课程介绍.mp4 (2.98 MB)
* 2_第1.1节-图像降噪（基础篇）.mp4 (15.29 MB)
* 3_第1.2节-图像降噪（进阶篇）.mp4 (57.19 MB)
* 4_第1.3节-DANet图像降噪实战（项目介绍）.mp4 (6.22 MB)
* 5_第1.4节-DANet图像降噪实战（数据读取）.mp4 (36.67 MB)
* 6_第1.5节-DANet图像降噪实战（模型搭建）.mp4 (18.49 MB)
* 7_第1.6节-DANet图像降噪实战（模型训练）.mp4 (39.98 MB)
* 8_第1.7节-DANet图像降噪实战（模型测试）.mp4 (18.25 MB)
* 9_第2.1节-色调映射（基础篇）.mp4 (21.41 MB)
* 10_第2.2节-色调映射（进阶篇）.mp4 (37.48 MB)
* 11_第2.3节-EnlightenGAN图像增强实战（项目介绍）.mp4 (7.65 MB)
* 12_第2.4节-EnlightenGAN图像增强实战（数据读取）.mp4 (23.30 MB)
* 13_第2.5节-EnlightenGAN图像增强实战（模型搭建）.mp4 (77.32 MB)
* 14_第2.6节-EnlightenGAN图像增强实战（模型训练）.mp4 (45.90 MB)
* 15_第2.7节-EnlightenGAN图像增强实战（模型测试）.mp4 (33.79 MB)
* 16_第3.1节-图像超分辨（基础篇）.mp4 (35.37 MB)
* 17_第3.2节-图像超分辨（进阶篇）.mp4 (50.78 MB)
* 18_第3.3节-SRGAN超分辨实战（项目简介）.mp4 (11.98 MB)
* 19_第3.4节-SRGAN超分辨实战（数据处理）.mp4 (24.04 MB)
* 20_第3.5节-SRGAN超分辨实战（模型搭建与训练）.mp4 (45.87 MB)
* 21_第3.6节-SRGAN超分辨实战（模型测试）.mp4 (17.35 MB)
* 22_第4.1节-图像去模糊（基础篇）.mp4 (22.92 MB)
* 23_第4.2节-图像去模糊（进阶篇）.mp4 (23.13 MB)
* 24_第5.1节-图像修复（基础篇）.mp4 (16.47 MB)
* 25_第5.2节-图像修复（进阶篇）.mp4 (45.48 MB)
