文件名称：matlab如何敲代码-pytorch-ZSSR:Pytorch实现“零射击”超分辨率
文件大小：2.14MB
文件格式：ZIP
更新时间：2024-06-12 02:41:54
系统开源
matlab如何敲代码使用深度内部学习（ZSSR）的Pytorch实现“零射击”超分辨率 修改后的表格Assaf Shocher 包括所有增强功能。 这个pytorch版本的原理是“尽可能少地更改”，因此大部分代码来自Assaf Shocher。 谢谢阿萨夫，我真的很喜欢这篇论文：） 我在config.py中添加了cuda标志。 如果要使用cpu，请将其设置为False。 以下是阿萨夫（Assaf）的原始自述文件。 使用深度内部学习（ZSSR）的“零射击”超分辨率 论文的正式实施者：阿萨夫·舒彻，纳达夫·科恩，米哈尔·伊尼 纸： 项目页面：（请参阅我们的结果以及与其他方法的视觉比较） 接受的CVPR'18 实际上，当前提供的ZSSR版本在基准测试上实际上比本文中指出的要好。 例如，当将当前版本应用于“ Set14”而不使用渐进式SR增量时，它实现的PSNR略高于论文中指定的水平（当应用六个渐进式增量时）。 当应用与本文中指定的类似的渐进增量时，则获得+ 0.3dB。 如果您发现我们的工作对您的研究或出版物有用，请引用我们的工作： @InProceedings{ZSSR, author
【文件预览】：
pytorch-ZSSR-master
----configs.py(5KB)
----figs()
--------sketch.png(241KB)
----real_example()
--------charlie.png(145KB)
--------charlie_0.mat(696B)
----ZSSR.py(20KB)
----set14()
--------img_009_SRF_2_LR.png(114KB)
--------img_013_SRF_2_LR.png(82KB)
--------img_014_SRF_2_LR.png(123KB)
--------img_008_SRF_2_LR.png(41KB)
--------img_002_SRF_2_LR.png(201KB)
--------img_012_SRF_2_LR.png(111KB)
--------img_004_SRF_2_LR.png(44KB)
--------img_003_SRF_2_LR.png(46KB)
--------img_005_SRF_2_LR.png(52KB)
--------img_011_SRF_2_LR.png(165KB)
--------img_001_SRF_2_LR.png(134KB)
--------img_006_SRF_2_LR.png(31KB)
--------img_010_SRF_2_LR.png(79KB)
--------img_007_SRF_2_LR.png(90KB)
----utils.py(9KB)
----imresize.py(12KB)
----example_with_gt()
--------bsd_001.png(82KB)
--------bsd_001_gt.png(329KB)
----LICENSE(4KB)
----kernel_example()
--------BSD100_100_lr_rand_ker_c_X2_0.mat(656B)
--------BSD100_100_lr_rand_ker_c_X2.png(60KB)
----simplenet.py(2KB)
----run_ZSSR.py(3KB)
----README.md(4KB)
----run_ZSSR_single_input.py(776B)