文件名称：CNLRN:该存储库是我们CVPRW2021文件的正式实施
文件大小：136KB
文件格式：ZIP
更新时间：2024-05-06 06:45:42
Python
CNLRN | 学习级联的非本地残差网络以超分辨模糊图像 ，程松生，唐金辉， 更新 [2021-04-12]提供了预训练的模型 ！ [2021-04-12]添加培训代码！ [2021-04-12]提供了测试代码！ 概述 由于图像中存在模糊并且图像的分辨率较低，因此对低分辨率图像进行模糊处理非常具有挑战性。 现有的去模糊方法通常需要高分辨率输入，而超分辨率方法通常假定模糊是已知的或较小的。 简单地应用去模糊和超分辨率并不能很好地解决这个问题。 在这项工作中，我们以级联的方式共同解决图像的模糊和超分辨率问题，并开发了非局部残差网络（NLRN）作为SR模块，以提高模糊图像SR的性能。 此外，我们开发了一种基于图像梯度的有效约束来进行边缘保留，并采用渐进式上采样机制来更好地约束网络并降低训练难度。 基准上的定量和定性结果都证明了该方法的有效性，并且在NTIRE 2021图像去模糊挑战的低分辨率
【文件预览】：
CNLRN-main
----pretrain_models()
--------please put pretrain models here(0B)
----LICENSE(1KB)
----dataset()
--------please put dataset here(0B)
----infer_results()
--------CNLRN_DVD100()
--------inference results will be here(0B)
--------CNLRN_Val300()
----code()
--------models()
--------create_lmdb.py(5KB)
--------inference.py(4KB)
--------data()
--------train.py(17KB)
--------options()
--------.idea()
--------utils()
----.gitignore(41B)
----README.md(5KB)