文件名称：SuperResolution
文件大小：747KB
文件格式：ZIP
更新时间：2024-05-09 13:53:19
Python
图像超分辨率反馈网络 更新：我们建议的门控多反馈网络（GMFN）将出现在BMVC2019中。 “通过两个时间步长，每个时间步长都包含7个RDB，与包括RDN的最新图像SR方法（其中包含16个RDB）相比，提出的GMFN实现了更好的重建性能。” 该存储库是我们建议的SRFBN的Pytorch代码。 该代码由和基于开发，并在具有Ubuntu 16.04 / 18.04环境（Python 3.6 / 3/7，PyTorch 0.4.0 / 1.0.0 / 1.0.1，CUDA 8.0 / 9.0 / 10.0）上进行了测试。 / 1080Ti GPU。 我们提出的SRFBN的体系结构。 蓝色箭头表示反馈连接。 有关我们提出的SRFBN的详细信息，请参见。 如果您发现我们的工作对您的研究或出版物有用，请考虑引用： @inproceedings{li2019srfbn, au
【文件预览】：
SuperResolution-master
----train.py(5KB)
----utils()
--------util.py(5KB)
--------__init__.py(0B)
--------__pycache__()
----solvers()
--------__init__.py(177B)
--------__pycache__()
--------base_solver.py(3KB)
--------SRSolver.py(17KB)
----test.py(4KB)
----scripts()
--------flags.py(178B)
--------Prepare_TrainData_HR_LR.m(2KB)
--------Prepare_TrainData_HR_LR.py(2KB)
--------README.md(171B)
--------plot_log.py(1000B)
----LICENSE(1KB)
----options()
--------options.py(3KB)
--------train()
--------__init__.py(0B)
--------test()
--------__pycache__()
----README.md(8KB)
----data()
--------LR_dataset.py(1KB)
--------__init__.py(875B)
--------.gitkeep(0B)
--------__pycache__()
--------LRHR_dataset.py(2KB)
--------common.py(6KB)
----networks()
--------rcan_arch.py(5KB)
--------rdn_arch.py(3KB)
--------gcn.py(8KB)
--------decode.txt(23KB)
--------Group.py(9KB)
--------__init__.py(5KB)
--------Lambdanet.py(7KB)
--------__pycache__()
--------edsr_arch.py(5KB)
--------graph.py(10KB)
--------blocks.py(17KB)
--------Aggregation.py(5KB)
--------new_arch.py(8KB)
--------common.py(3KB)
----.gitignore(102B)
----figs()
--------comp_soa_bi.png(145KB)
--------img_004_BI.jpg(140KB)
--------SRFBN_arch.png(81KB)
--------comp_soa_bd_dn.png(128KB)
--------manga109_BD.jpg(63KB)
--------head_DN.jpg(54KB)