文件名称：图像卷积操作matlab代码-super-resolution-by-subpixel-convolution:通过子像素卷积实现SR的Pyt
文件大小：2.28MB
文件格式：ZIP
更新时间：2024-06-12 11:50:52
系统开源
图像卷积操作matlab代码 该项目做了三件事 1. 基于PyTorch训练了一系列单图像超分辨神经网络，超分辨系数从2-10。 该部分的实现参考了pytorch官方repo中的SR例程，训练程序包含于./train文件夹。该项目 基于高效子像素卷积层[1]进行空间分辨率提升操作，训练速度极快。 [1] 2. 把训练好的模型权值转存为MATLAB文件。 简单粗暴，异常直接 from __future__ import print_function import torch import numpy as np import scipy.io as sio for i in [2, 3, 4, 5, 6, 7, 8, 9, 10]: model_name = 'model_upscale_{}_epoch_101.pth'.format(i) model = torch.load(model_name) print(model._modules) weight = dict() weight['conv1_w'] = model._modules['conv1']._parameters
【文件预览】：
super-resolution-by-subpixel-convolution-master
----model()
--------model_upscale_10.mat(336KB)
--------model_upscale_7.mat(279KB)
--------model_upscale_9.mat(315KB)
--------model_upscale_6.mat(264KB)
--------model_upscale_4.mat(242KB)
--------model_upscale_8.mat(296KB)
--------model_upscale_5.mat(252KB)
--------model_upscale_2.mat(228KB)
--------model_upscale_3.mat(234KB)
----src()
--------relu.m(130B)
--------SR_model.m(1KB)
--------PixelShuffle.m(677B)
--------conv_func.m(757B)
----LICENSE(11KB)
----README.md(2KB)
----train()
--------train.sh(148B)
--------weight_resave.py(2KB)
--------validate.sh(253B)
--------super_resolve.py(1KB)
--------dataset.py(1KB)
--------main.py(3KB)
--------model.py(1KB)
--------data.py(2KB)
----demo.m(520B)
----img()
--------100080.jpg(40KB)