文件名称：RCAN:我们的ECCV 2018论文“使用超深残留通道注意网络的图像超分辨率”的PyTorch代码
文件大小：34.49MB
文件格式：ZIP
更新时间：2024-05-23 05:19:55
Python
使用非常深的残留通道注意网络的图像超分辨率 该存储库适用于以下论文中介绍的RCAN ，，，， ，和“图像超分辨率使用超深残留通道注意网络”，ECCV 2018， 该代码基于构建，并在带有Titan X / 1080Ti / Xp GPU的Ubuntu 14.04 / 16.04环境（Python3.6，PyTorch_0.4.0，CUDA8.0，cuDNN5.1）上进行了测试。 RCAN模型也已合并到。 可在GoogleDrive上获得再现纸张中PSNR / SSIM值的视觉结果。 对于BI降级模型，标度= ： 内容 结果 引文 致谢 介绍 卷积神经网络（CNN）的深度对于图像超分辨率（SR）至关重要。 但是，我们发现，用于图像SR的更深层网络更难训练。 低分辨率输入和功能包含丰富的低频信息，这些信息在各个通道之间均被平等对待，因此阻碍了CNN的表示能力。 为了解决这些问题，