RDN 该存储库是。 要求 PyTorch 1.0.0 脾气暴躁的1.15.4 枕头5.4.1 h5py 2.8.0 tqdm 4.30.0 火车 可以从下面的链接下载转换为HDF5的DIV2K，Set5数据集。 数据集 规模 类型 关联 DIV2K 2个 火车 DIV2K 3 火车 DIV2K 4 火车 第5集 2个 评估 第5集 3 评估 第5集 4 评估 否则，您可以使用prepare.py创建自定义数据集。 python train.py --train-file " BLAH_BLAH/DIV2K_x4.h5 " \ --eval-file " BLAH_BLAH/Set5_x4.h5 " \ --outputs-dir " BLAH_BLAH/outputs " \

标准H264码流，PS码流，4K分辨率，适合学习码流时使用

超分辨率matlab代码FSRCNN 使用PyTorch的FSRCNN的非官方实现。 脚步 运行data_aug.m以增加训练集。 运行generate_train.m和generate_test.m为数据加载器生成h5文件。 （请注意，您可能需要在matlab代码中更改其他图像源的路径） 运行main.py 要求 python> = 3.4 火炬> = 0.4 火炬视觉 张量流 参考 朝东，陈改来，唐小鸥。 在2016年欧洲计算机视觉会议（ECCV）的议事录中加速超分辨率卷积神经网络

CDR魔镜插件是一款功能强大的Coreldraw（cdr）插件。很多CDR用户很早就接触过CDR魔镜插件免费版（CDR魔镜插件免费版已经强大到令人发指，使用魔镜插件工作效率得到极大提升）。魔镜免费版已经不再支持coreldraw x7以后的版本，魔镜插件VIP版全面支持Coreldraw X4、X5、X6、X7、x8（32bit/64bit）软件版本，兼容XP、WIN7、WIN8、win10等多个系统平台。

摘要：根据压电陶瓷微位移器对驱动电源的需求，设计了压电驱动电源系统的方案。该方案先介绍了电源系统中的数字电路部分和模拟电路部分，并对驱动电源的精度与稳定性进行了分析与改进。最后对驱动电源的性能进行了实验验证。实验结果表明：该设计方案的电源输出电压噪声低于0.43 mV、输出最大非线性误差低于0.024%、分辨率可达1.44 mV,能够满足高分辨率微位移定位系统中静态定位控制的需求。 　　0 引言 　　压电陶瓷驱动器（PZT）是微位移平台的核心，其主要原理是利用压电陶瓷的逆压电效应产生形变，从而驱动执行元件发生微位移。压电陶瓷驱动器具有分辨率高、响应频率快、推力大和体积小等优点，在航空航天、

修改windowspc分辨率的超级有用的小工具

图像处理MATLABGUI界面，实现对输入图像的超分辨率重建

通过图片的播放测试，可以轻松分辨出4K超高清电视和普通全高清电视在分辨率上的区别，也可以充分展现出4K电视的“细致入微”。丰富的影调层次，特别是亮、暗部的层次是显示图像档次的重要标志，在显示4K电视影调层次还原测试图时，高端4K电视上亮部与暗部应能隐约显示到测试图253与8左右的层次，层次分布图与球形图上应能展现各级层次，并且从黑到白的过渡非常自然。

NULL 博文链接：https://liuna718-163-com.iteye.com/blog/2190686

编码器-解码器残留网络（IVIP-Lab） 该存储库是我们为NTIRE2019真正超分辨率挑战赛提供的解决方案。 我们IVIP-LAB团队在NTIRE2019真正超分辨率挑战赛的最后阶段赢得了第9位PSNR和Top5 SSIM。 我们的论文将在CVPR 2019 Workshop中发表。 [ ] [] 目录 网络架构 编码器-解码器残留网络（EDRN） NTIRE2019真正的超分辨率挑战赛结果 定量结果 方法 信噪比（dB） SIM卡 运行时间 基准线 26.89 0.78 -- EDRN（我们的） 28.79 0.84 47.08 定性结果 经典单图像超分辨率基准测试结果 关于我们的源代码和训练有素的模型 依存关系 Python（在3.5版上测试） PyTorch（在0.4.1版上测试） CUDA9.0 cuDNN7.1 我们的代码已在具有NVIDIA G