IEEE Xplore官网：IEEE XploreElsevier官网：https://www.sciencedirect.comMDPI官网：MDPI - Publisher of Open Access Journalsarxiv官网：https://arxiv.org/据参考资料类型可分为专著[M]，会议论文集[C]，报纸文章[N]，期刊文章[J]，学位论文[D]，报告[R]，标准[S]，专

【题目】：Underexposed photo enhancement using deep illumination estimation 在网络中引入中间光照，将输入与预期的增强结果相关联。和以往的图像到图像的生成不太一样，这篇文章首先产生了三个亮度的通道，用这三个亮度的通道的逆去乘原图像，得到的最后增强之后的图像。...

提出了第一个基于物理的单图像`无监督`学习用于本征图像分解网络USI^3^D

【题目】：From Fidelity to Perceptual Quality: A Semi-Supervised Approach for Low-Light Image Enhancement 首次提出半监督学习方法用于低光图像增强。提出了一种深度递归频带网络DRBN（Recursive Band Learning），用于利用成对的低/正常光图像恢复增强的正常光图像的线性频带表示，然后基于

题目：Retinex-Inspired Unrolling With Cooperative Prior Architecture Search for Low-Light Image Enhancement本文提出了一个新的原则性框架，通过注入弱光图像的知识和搜索轻量级的优先架构，为现实场景中的微光图像构建轻量级但有效的增强网络，命名为RUAS。.........................

【题目】：URetinex-Net: Retinex-based Deep Unfolding Network for Low-light Image Enhancement提出了一种基于Retinex的 deep unfolding network （URetinex-Net），它将一个优化问题展开为一个可学习的网络，以将低光图像分解为反射层和光照层。通过将分解问题公式化为隐式先验正则化模型，精

常用的图像质量评价指标

Python-Anaconda- CUDA-cudnn-Torch- Tensorflow-显卡驱动-版本对应关系。Anaconda下载、安装和运行。Anaconda常用指令。Anaconda创建虚拟环境。Anaconda下载源更换为国内源。Anaconda虚拟环境中安装CUDA。Anaconda安装pytorch_gpu。Anaconda安装tensorflow_gpu。Jupyter note

Python-Anaconda- CUDA-cudnn-Torch- Tensorflow-显卡驱动-版本对应关系。Anaconda下载、安装和运行。Anaconda常用指令。Anaconda创建虚拟环境。Anaconda下载源更换为国内源。Anaconda虚拟环境中安装CUDA。Anaconda安装pytorch_gpu。Anaconda安装tensorflow_gpu。Jupyter note