文件名称：matlab插值代码解释-SRCNN:Pytorch和Matlab撰写的论文《学习深度卷积网络以实现图像超分辨率》（ECCV2014）
文件大小：5.85MB
文件格式：ZIP
更新时间：2024-06-15 14:34:03
系统开源
matlab插值代码解释神经网络 该项目是Pytorch撰写的《学习深度卷积网络以实现图像超分辨率》（ECCV 2014）的论文的复制件。 依存关系 Matlab 2016 火炬1.0.0 解释 论文作者url：提供的一些Matlab代码。 使用两种语言进行项目的主要原因是因为双三次插值的实现方式不同，这导致使用PSNR标准时结果的差异更大。 概述 网络概述： 用法 使用./data_pro/generate_train.m生成train.h5。 使用./data_pro/generate_test.m生成test.h5。 乘坐train.py火车： python train.py 将Pytorch模型.pkl转换为Matlab矩阵.mat。 （weights.pkl-> weights.mat） python convert.py 使用./test_link/get_result.m获取PSNR结果并重建RGB图像。 结果 使用./model/weights.mat可以得到结果： Set5平均：重建PSNR = 32.44dB VS双三次PSNR = 30.39dB Set14平均：
【文件预览】：
SRCNN-master
----gen_result.m(2KB)
----convert.py(1KB)
----images()
--------Comparison.png(519KB)
--------lenna_Bicubic_Interpolation.bmp(744KB)
--------baby_GT_Bicubic_Interpolation.bmp(744KB)
--------butterfly_GT_SRCNN_Reconstruction.bmp(182KB)
--------pepper_Image_Groundtruth.bmp(744KB)
--------butterfly_GT_Bicubic_Interpolation.bmp(182KB)
--------pepper_Bicubic_Interpolation.bmp(744KB)
--------pepper_SRCNN_Reconstruction.bmp(744KB)
--------baby_GT_SRCNN_Reconstruction.bmp(744KB)
--------baby_GT_Image_Groundtruth.bmp(744KB)
--------butterfly_GT_Image_Groundtruth.bmp(182KB)
--------lenna_Image_Groundtruth.bmp(744KB)
--------Overview.png(277KB)
--------lenna_SRCNN_Reconstruction.bmp(744KB)
----ckpt()
--------readme.txt(30B)
----model()
--------weights.pkl(33KB)
----dataset()
--------readme.txt(175B)
----LICENSE(1KB)
----data_pro()
--------generate_train.m(2KB)
--------saveFilters.m(1KB)
--------store2hdf5.m(3KB)
--------filelist.txt(126B)
--------modcrop.m(267B)
--------generate_test.m(2KB)
----README.md(1KB)
----data_loader.py(2KB)
----test_link()
--------SRCNN.m(1KB)
--------compute_psnr.m(299B)
--------filelist.txt(82B)
--------shave.m(107B)
--------modcrop.m(267B)
----model.py(790B)
----train.py(2KB)