文件名称：细节增强的matlab代码-repo:回购
文件大小：651KB
文件格式：ZIP
更新时间：2024-06-15 20:39:07
系统开源
细节增强的matlab代码 基本SR :triangular_flag: 添加保存和加载训练状态。 恢复培训时，只需传递名称为resume_state的选项，例如"resume_state": "../experiments/debug_001_RRDB_PSNR_x4_DIV2K/training_state/200.state" 。 :triangular_flag: 使用Python日志记录，并支持PyTorch 1.0 灵活的图像超分辨率开发工具包。 现在，它提供： 面向PSNR的SR模型（例如SRCNN，SRResNet等）。 您可以尝试不同的体系结构，例如ResNet块，ResNeXt块，密集块，残余密集块，多边形块，双路径块，挤压和激发块，残余残留密度块等。 模型（它也可以训练SRGAN模型）。 增强的SRGAN具有比实际更好的自然质感的持续更好的视觉品质，并赢得了业界的第一。 有关更多详细信息，请参阅。 （如果您只想测试模型，请提供更简单的测试代码。） 模型。 它采用空间特征变换（SFT）来有效地合并其他条件/先决条件，例如图像SR的语义先验，由分割概率图表示。 有关更多详细信息，请参阅。 BibTex @InProceedings
【文件预览】：
repo-master
----data_samples()
--------samples()
----experiments()
--------pretrained_models()
----metrics()
--------calculate_PSNR_SSIM.py(5KB)
--------calculate_PSNR_SSIM.m(8KB)
----LICENSE(11KB)
----README.md(13KB)
----.gitignore(453B)
----codes()
--------train.py(7KB)
--------utils()
--------models()
--------test.py(5KB)
--------test_seg.py(3KB)
--------scripts()
--------test_dataloader.py(3KB)
--------test_sftgan.py(2KB)
--------options()
--------README.md(6KB)
--------data()
--------auto_test.py(1KB)