文件名称：DBCNN-PyTorch:基于双线性卷积神经网络的盲图像质量评估的Pytorch实验实现
文件大小：4.59MB
文件格式：ZIP
更新时间：2024-06-14 12:13:00
python deep-neural-networks deep-learning pytorch convolutional-neural-networks
DBCNN-Pytorch 使用深双线性卷积神经网络进行盲图像质量评估的实验性PyTorch实现。 目的 考虑到PyTorch在学术界的受欢迎程度，我们希望此回购协议可以帮助IQA的研究人员。 此存储库将用作集成IQA研究的先进技术的活动代码库。 要求 PyTorch 0.4+ Python 3.6 默认设置下的用法 python DBCNN.py 如果要重新训练SCNN，仍然需要Matlab和原始存储库来生成合成失真的图像。 python SCNN.py 引文 @article {zhang2020blind， title = {使用深双线性卷积神经网络进行盲图像质量评估}， 作者= {张维霞和马克德和闫家加邓，德祥和王舟}， journal = {IEEE视频技术电路和系统的交易}， 音量= {30}， 数字= {1}， 页数= {36--47}， 年= {2020} } 致谢
【文件预览】：
DBCNN-PyTorch-master
----fc_models()
--------keep.txt(4B)
----.gitignore(1KB)
----loss()
--------FocalLoss.py(998B)
--------cross_entropy_prob.py(343B)
--------EMDLoss.py(631B)
----Koniq_10k.py(2KB)
----DBCNN.py(13KB)
----LIVEChallengeFolder.py(3KB)
----dataset()
--------dataset.txt(70B)
----LICENSE(1KB)
----simple_demo.py(924B)
----BaseCNN.py(13KB)
----README.md(1KB)
----BCNN.py(1KB)
----pretrained_scnn()
--------scnn_nobn.pkl(2.45MB)
--------pretrained_scnn.txt(0B)
--------scnn.pkl(2.47MB)
----MPNCOV.py(8KB)
----SCNN.py(12KB)
----TRILINEAR.py(1KB)
----WPFolder.py(4KB)
----LIVEFolder.py(4KB)
----CBP.py(3KB)
----NetVLAD.py(2KB)
----db_models()
--------keep.txt(4B)
----DualCNN.py(15KB)
----SCNN3.py(14KB)