文件名称：matlab精度检验代码-AutoBCS:AutoBCS网络的初始代码
文件大小：55.03MB
文件格式：ZIP
更新时间：2024-06-10 20:27:24
系统开源
matlab精度检验代码AutoBCS：具有数据驱动的采集和非迭代重建的基于块的图像压缩传感 此存储库适用于以下论文中介绍的AutoBCS框架：。 该代码是在具有Nvdia Tesla V100的Centos 7.8和具有GTX 1060的Windows 10环境（python 3.7，pytorch> 1.1）上构建和测试的。 概述 摘要—块压缩感测是一种众所周知的信号采集和重构范例，在科学，工程和控制论系统中具有广泛的应用前景。 但是，基于现有技术的基于块的图像压缩感测（BCS）方法通常遇到两个问题。 稀疏域和广泛用于图像采集的传感矩阵不是数据驱动的，因此图像的特征和子块图像之间的关系都被忽略了。 而且，这样做需要解决具有大量计算复杂性的高维优化问题以用于图像重建。 在本文中，我们为BCS提供了一种称为AutoBCS的深度学习策略，该策略在获取步骤中考虑了图像的先验知识，并建立了用于以低计算量执行快速图像重建的后续重建模型。 更准确地说，我们提出了一种基于学习的感知矩阵（LSM），该矩阵从训练数据中得出以完成图像采集，从而捕获和保留比现有方法捕获的图像特征更多的图像特征。 特别是，
【文件预览】：
AutoBCS-master
----.gitignore(12B)
----Pre-TrainedModel()
--------IniReconNet_ScalingFactor_3.pth(2.4MB)
--------IniReconNet_ScalingFactor_100.pth(81KB)
--------IniReconNet_ScalingFactor_20.pth(417KB)
--------DeepOctNet_ScalingFactor_5.pth(6.92MB)
--------DeepOctNet_ScalingFactor_4.pth(6.92MB)
--------IniReconNet_ScalingFactor_25.pth(329KB)
--------DeepOctNet_ScalingFactor_25.pth(6.92MB)
--------IniReconNet_ScalingFactor_5.pth(1.6MB)
--------DeepOctNet_ScalingFactor_10.pth(6.92MB)
--------DeepOctNet_ScalingFactor_3.pth(6.92MB)
--------IniReconNet_ScalingFactor_4.pth(2MB)
--------IniReconNet_ScalingFactor_10.pth(817KB)
--------DeepOctNet_ScalingFactor_100.pth(6.92MB)
--------DeepOctNet_ScalingFactor_20.pth(6.92MB)
----Model()
--------OctNet.py(4KB)
--------LSM_and_Initial_Recon.py(3KB)
--------OctNetBlocks.py(7KB)
----Training()
--------DataLoad.py(2KB)
--------test_IDs.txt(31B)
--------TrainAutoBCS.py(4KB)
----Inference()
--------Evaluate_set5.py(3KB)
----README.md(4KB)
----utilities()
--------Cal_PSNRSSIM.m(6KB)
--------patches_generation.m(2KB)
--------shave.m(107B)
--------data_augmentation.m(709B)
--------modcrop.m(267B)
----Preprocessing_for_training()
--------GenerateData_model_64_96_Adam.m(1KB)
----img()
--------Graphical Abstract.tif(869KB)
--------Fig1.png(549KB)
--------Fig2.png(1.04MB)
----set5()
--------(5).bmp(230KB)
--------(2).mat(97KB)
--------(3).bmp(192KB)
--------(2).bmp(243KB)
--------(5).mat(91KB)
--------(4).mat(48KB)
--------(1).bmp(768KB)
--------(3).mat(90KB)
--------Cal_AvgPSNR_SSIM.m(450B)
--------(1).mat(326KB)
--------Prepare_TestData.m(610B)
--------(4).bmp(230KB)