文件名称：Keras-Image-Super-Resolution:EDSR，RCAN，SRGAN，SRFEAT，ESRGAN
文件大小：113.44MB
文件格式：ZIP
更新时间：2024-05-23 08:23:26
super-resolution Python
单图像超分辨率，EDSR，SRGAN，SRFeat，RCAN，ESRGAN和ERCA（我们的）基准比较 这是单个超分辨率算法的keras实现： ， ， ， ， 和 （我们的）。 该项目旨在提高基线（SRFeat）的性能。 要运行此项目，您需要设置环境，下载数据集，运行脚本以处理数据，然后可以训练和测试网络模型。 我将逐步向您展示运行该项目，我希望它足够清楚。 先决条件 我在Corei7、64G RAM，GPU Titan XP中测试了我的项目。 因为培训大约需要几天的时间，所以我建议您使用足够强大的CPU / GPU和大约12G的RAM。 环境 我建议您使用virtualenv创建虚拟环境。 您可以通过以下方式安装virtualenv（本身是一个pip软件包） pip install virtualenv 使用python3创建一个名为venv的虚拟环境，一次运行 virtua
【文件预览】：
Keras-Image-Super-Resolution-master
----evaluation()
--------psnr_ssim.m(4KB)
----README.md(7KB)
----gantrain.py(7KB)
----pretrain.py(5KB)
----metrics.py(776B)
----model()
--------erca.py(2KB)
--------srfeat.py(2KB)
--------discr.py(2KB)
--------esrgan.py(2KB)
--------__init__.py(756B)
--------rcan.py(2KB)
--------edsr.py(1KB)
--------srgan.py(2KB)
----utils.py(941B)
----callbacks.py(2KB)
----figs()
--------learning_curves.png(541KB)
----checkpoints()
--------srfeat-20.h5(23.91MB)
--------edsr-10.h5(23.26MB)
--------erca-20.h5(10MB)
--------srgan-10.h5(6.16MB)
--------srfeat-10.h5(23.91MB)
--------erca-10.h5(23MB)
--------esrgan-10.h5(13.09MB)
----data_preprocess()
--------testset_bicubic_downsample.m(938B)
--------aug_data_div2k.m(7KB)
--------aug_data_div2k_half.m(7KB)
----requirements.txt(599B)
----data.py(2KB)
----demo.py(3KB)