网站备案空间备案吗,网站如何推广引流,网站做站群,搜易网优化的效果如何文章目录 概要理论知识操作实操环境配置基础命令格式#xff1a;效果示例 概要
超分辨率系列论文阅读卷1#xff1a;Real-Time Single Image and Video Super-Resolution Using an Efficient Sub-Pixel Convolutional Neural Network PDF网址#xff1a;https://arxiv.org/… 文章目录 概要理论知识操作实操环境配置基础命令格式效果示例 概要
超分辨率系列论文阅读卷1Real-Time Single Image and Video Super-Resolution Using an Efficient Sub-Pixel Convolutional Neural Network PDF网址https://arxiv.org/pdf/1609.05158 官网https://github.com/pytorch/examples/tree/main/super_resolution 本人打包代码、模型百度云盘 https://pan.baidu.com/s/17jJ2mM5PHbVGl_fubr0XZA?pwdm75r 提取码: m75r
理论知识
大多数深度超分方法如SRCNN在输入阶段通过双三次插值Bicubic将LR图像上采样至HR空间随后进行特征提取。这一流程存在两大问题 1计算冗余HR空间的特征提取需要更大的卷积核和更多计算资源。 2信息缺失插值操作未引入新信息无法有效解决SR的“病态逆问题”。
ESPCN的核心创新 子像素卷积层Sub-Pixel Convolution 设计思想将上采样操作延迟至网络末端直接在LR空间提取特征最后通过子像素卷积实现高效上采样。 具体实现在LR空间通过多层卷积提取特征图最后一层输出通道数为C×r×r r为放大倍数通过周期混洗Periodic Shuffling将特征图重新排列为HR图像图1。 图示LR特征图经子像素卷积层直接生成HR图像避免中间高成本计算。 LR空间特征提取的优势 计算效率假设放大倍数为r在LR空间处理的计算复杂度降低r×r倍。 灵活学习每个特征图独立学习上采样滤波器比单一插值滤波器更适应复杂纹理。
操作实操
环境配置
下载预训练模型espcn_x3.pth云盘分享文件中已有。
模型位置
项目目录/
├── BLAH_BLAH/
│ ├──espcn_x3.pth训练数据
| Dataset | Scale | Type | Link |
|---------|-------|------|------|
| 91-image | 3 | Train | [Download](https://www.dropbox.com/s/4mv1v4qfjo17zg3/91-image_x3.h5?dl0) |
| Set5 | 3 | Eval | [Download](https://www.dropbox.com/s/9qlb94in1iqh6nf/Set5_x3.h5?dl0) |基础命令格式
python train.py --train-file BLAH_BLAH/91-image_x3.h5 \--eval-file BLAH_BLAH/Set5_x3.h5 \--outputs-dir BLAH_BLAH/outputs \--scale 3 \--lr 1e-3 \--batch-size 16 \--num-epochs 200 \--num-workers 8 \--seed 123 python test.py --weights-file BLAH_BLAH/espcn_x3.pth \--image-file data/butterfly_GT.bmp \--scale 3云盘分享文件中test.py可直接在pycharm中运行.
效果示例
