文件名称：HIPe
文件大小：1.61MB
文件格式：ZIP
更新时间：2024-04-17 13:16:32
Python
“分层图像去皮：灵活的比例空间过滤框架”的代码 介绍 分层图像组织的重要性已经在计算机视觉和图形学中的广泛应用中得到了证明。 与考虑空间整体性的图像分割不同，这项工作设计了一个现代框架，用于从比例空间角度将图像分解为一系列派生的信号。 具体来说，我们首先提供图像拆卸的正式定义。 然后，通过考虑所需的特性（例如剥离层次和结构保留），我们将原始的复杂问题转换为一系列的两个成分分离子问题，从而显着降低了复杂性。 所提出的框架对于有监督和无监督的设置都是灵活的。 定制了紧凑的循环网络，即分层图像剥离网，以高效地完成任务，该任务的大小约为3.5Mb，并且可以在GTX 2080Ti GPU上以每次重复60 fps的速度处理1080p图像，从而使其具有吸引力。实际使用。 提供了理论发现和实验结果，以证明所提出框架的有效性，揭示其优于其他最新替代方案的优势，并显示其在各种适用方案中的潜力。 网络架构 依赖
【文件预览】：
HIPe-main
----README.md(3KB)
----img()
--------test.txt(1B)
--------building3.png(911KB)
--------arch.png(2.52MB)
--------building3_smooth.png(554KB)
--------Plot_firstpic2.png(1.75MB)
--------building3_edge.png(51KB)
----HIPe_Guider()
--------test.py(4KB)
--------models.py(33KB)
--------datasets.py(1KB)
--------utils.py(1KB)
--------main.py(6KB)
--------loss_function.py(8KB)
--------test_datasets.py(895B)
----HIPe-Peeler()
--------models.py(5KB)
--------datasets.py(3KB)
--------test_smooth.py(7KB)
--------utils.py(1KB)
--------main.py(7KB)
--------loss_function.py(15KB)
--------test_datasets.py(2KB)