超分辨率SRDPNs张量流
tensorflow实现的超分辨率：
我基于双路径网络的超分辨率实现，但与原始网络完全不同，差异如下所示：
我修改了双路径块的结构，以加快训练速度。
我引入了瓶颈以减小尺寸并进行去卷积以恢复细节。
介绍基于VGG19的特征空间的知觉损失和克损失。
依存关系：
张量流> = 1.3.0 Scipy> = 0.18 GPU内存> 7G
用法：
首先，您需要在下载VGG19的模块以进行损耗函数计算。 然后，将下载的文件imagenet-vgg-verydeep-19.mat移到该项目的SRDPNs文件夹中。
供测试用：
打开main.py ，将数据路径更改为您的数据，例如： flags.DEFINE_string("testimg", "2.bmp", "Name of test image") 执行python main.py进行测试，结果将保存在示例
2021-10-13 21:35:50
21.35MB
1
SCU BME 医学图像处理课程
本文件为凸阵探头和线阵探头的超声图像重建过程。
main_program.m是线阵探头重建过程。
tztt_main_program.m是凸阵探头重建过程。
2021-09-23 10:03:38
2.32MB
1
焦点频率损失
该存储库将提供以下论文的正式代码：
图像重建和合成的焦点频率损失，，和arXiv预印本，2020年。
摘要：由于生成模型的发展，图像重建和合成取得了显着进展。 但是，实际图像和生成的图像之间仍然存在间隙，尤其是在频域中。 在这项研究中，我们表明，在频域中缩小间隙可以进一步改善图像重建和合成质量。 我们提出了一种新颖的焦点频率损耗，它可以使模型自适应地关注那些难以通过对简单频率分量进行加权来合成的频率分量。 这个目标函数是对现有空间损耗的补充，由于神经网络的固有偏差，对重要频率信息的丢失提供了很大的阻抗。 我们展示了聚焦频率损失在感知质量和定量性能方面的多功能性和有效性，以改善诸如VAE，pix2pix和SPADE等流行模型。 我们还将在StyleGAN2上展示其潜力。
更新
[12/2020]焦点频率损失在arXiv上发布。
代码
该代码将公开提供。 敬请期待。
结果
2021-09-12 16:30:47
3.74MB
1
EIDORS 是一种基于 MATLAB 的免费软件，用于电阻抗断层扫描的正向和反向解决方案。 在这段代码中，我使用 EIDORS 来演示基于 EIDORS 内置反演算法的简单图像重建。 首先，我生成一个人工合成的阻抗数据并对其进行重构，最后将反演结果可视化。 代码被大量注释以便于理解。 欢迎任何建议。
2021-09-11 23:52:56
3KB
1
MATLAB的图像重建代码，图像重建UI设计是本课题最后呈现出来的系统，需要具有美观，舒适，简约且功能全面等特点。图（a）展示的是GUI设计时的代码编辑面，里面的内容刚好就是读取图片的代码。图（b）显示的是系统的设计界面，从上面可以添加许多功能，进行美观调试。
2021-09-07 21:06:14
32KB
1
Candes Romberg Tao
基于压缩感知图像重建的matlab实现程序
rice university dsp.rice.neu/cs
2021-09-06 19:21:45
2KB
1