文件名称：matlab如何敲代码-3DSRCNN-pytorch:3DSRCNN-火炬
文件大小：20KB
文件格式：ZIP
更新时间：2024-06-12 03:01:47
系统开源
matlab如何敲代码3DSRCNN-火炬 如何找到原始数据集？ 数据集已上传到Google云端硬盘。 您可以通过以下URL访问它们： 原始火车数据集： 测试集： 请注意，以上数据是2D图像，您需要将它们组成3D形状。 如何为3D CT图像制作训练数据集？ 这部分是用MATLAB（Python，是的！）和工作流有纸- “CT影像超解像使用3D卷积神经网络的第3.2”节中予以阐明特定的编码。（由于出版的考虑，我们的天堂”已发布有关如何制作数据的最新代码，如果您是编辑或审阅者，请与我联系） 在哪里可以找到培训数据？ 训练数据是通过5组CT图像生成的，总计总计2000张单个2D图像。 因此，这是如此庞大的培训数据库。 最后，我们生成了32.5G的数据，不方便上传到Github。 如果您想使用我们的数据进行训练，请与我联系或在此存储库中发布。 如何训练3D超分辨率网络？ 使用指定参数运行我们的网络很容易，以下是参数的帮助者： python main.py --batchSize", type=int, default=64, help="Training batch size" --nEpoc
【文件预览】：
3DSRCNN-pytorch-master
----generate_dataset()
--------store2hdf5.m(3KB)
--------resize3d.m(699B)
--------load_images_3d.m(330B)
--------modcrop3d.m(116B)
--------generate_train3d.m(3KB)
----restore_complete_3Dimage.py(3KB)
----generate_subblocks.py(3KB)
----utils.py(2KB)
----main.py(6KB)
----model.py(2KB)
----eval-psnr.py(2KB)
----auto-execute_multi_testset.sh(1KB)
----dataset.py(681B)
----LICENSE(1KB)
----demo.py(4KB)
----eval.py(3KB)
----test.sh(142B)
----README.md(4KB)
----auto-execute.sh(596B)