super-resolution-SRDPNs-tensorflow:我基于双路径网络的超分辨率实现。 它可以直接用于将您的低分辨率图像重建为高分辨率。 另外,您可以使用数据集来训练网络-源码

上传者: 42166105 | 上传时间: 2021-10-13 21:35:50 | 文件大小: 21.35MB | 文件类型: -
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

文件下载

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明