文件名称：ECCV2020_CUCaNet:用于无监督超光谱超分辨率的耦合解混网络中的交叉注意，ECCV，2020年。（PyTorch）
文件大小：45.26MB
文件格式：ZIP
更新时间：2024-06-15 22:22:27
Python
无监督的高光谱超分辨率耦合解混网中的交叉注意 ，， ，，和 论文代码：。 图。1。 受频谱分解技术启发的拟议的无监督超光谱超分辨率网络的图示，即具有交叉注意的耦合解混网（CUCaNet） ，该网络主要由两个重要模块组成：交叉注意和空间光谱一致性。 训练 请简单地运行./Main_CAVE.py演示，以在两个HSI（伪造的和真实的食物，图表和玩具）上重现我们的HSISR结果（将与在Windows OS上实现的Python 3.7使用）。 之前：有关必需的软件包，请参阅详细的.py文件。 参数：可以更好地调整权衡参数train_opt.lambda_* ，并且网络超参数灵活。 结果：请查看登录到./checkpoints/CAVE_*name*/precision.txt的五个评估指标（PSNR，SAM，ERGAS，SSIM和UIQI）以及保存在./Results/CAVE/的输出.m
【文件预览】：
ECCV2020_CUCaNet-master
----Results()
--------CAVE()
----options()
--------train_options.py(2KB)
--------base_options.py(3KB)
--------__pycache__()
----README.md(4KB)
----utils()
--------visualizer.py(13KB)
--------util.py(2KB)
--------__pycache__()
--------html.py(2KB)
----Imgs()
--------workflow_CUCa.png(514KB)
----model()
--------base_model.py(7KB)
--------cu_nets.py(12KB)
--------__pycache__()
--------__init__.py(1KB)
--------network.py(13KB)
----Main_CAVE.py(5KB)
----checkpoints()
--------npy2mat.py(698B)
--------CAVE_toy()
--------CAVE_food()
----CAVE()
--------fake_and_real_food_ms.mat(44.7MB)
--------Nikon_D700_Qu.xls(25KB)
--------chart_and_stuffed_toy_ms.mat(133B)
----data()
--------dataset.py(4KB)
--------__pycache__()
--------__init__.py(2KB)