SRN-DeblurNet:SRN-DeblurNet pytorch复制,提供了预训练的模型-源码

上传者: 42173205 | 上传时间: 2021-08-16 19:12:41 | 文件大小: 36.36MB | 文件类型: ZIP
SRN-DeblurNet 为了进行培训,我严格遵循原始论文的所有配置。 为了测试PSNR,我将GOPRO datset的测试集分为两半,一个用于验证,另一个用于测试,并获得29.58db PSNR(原始论文报道为30.26db )。 提供了预训练的模型。 在没有伽玛校正的情况下,可以对GOPRO的模糊图像进行训练。 我试图将这种模型推广到真实世界中的人脸图像中,但是发现它不能很好地推广。 欢迎任何讨论或更正。 参考

文件下载

资源详情

[{"title":"( 15 个子文件 36.36MB ) SRN-DeblurNet:SRN-DeblurNet pytorch复制,提供了预训练的模型-源码","children":[{"title":"SRN-DeblurNet-master","children":[{"title":"utils.py <span style='color:#111;'> 9.11KB </span>","children":null,"spread":false},{"title":"test.py <span style='color:#111;'> 2.32KB </span>","children":null,"spread":false},{"title":"train.py <span style='color:#111;'> 7.01KB </span>","children":null,"spread":false},{"title":"LICENSE <span style='color:#111;'> 1.04KB </span>","children":null,"spread":false},{"title":"test_save.py <span style='color:#111;'> 2.46KB </span>","children":null,"spread":false},{"title":"try.py <span style='color:#111;'> 685B </span>","children":null,"spread":false},{"title":".gitignore <span style='color:#111;'> 26B </span>","children":null,"spread":false},{"title":"layers.py <span style='color:#111;'> 7.12KB </span>","children":null,"spread":false},{"title":"log.py <span style='color:#111;'> 1.96KB </span>","children":null,"spread":false},{"title":"train_config.py <span style='color:#111;'> 671B </span>","children":null,"spread":false},{"title":"README.md <span style='color:#111;'> 929B </span>","children":null,"spread":false},{"title":"network.py <span style='color:#111;'> 4.52KB </span>","children":null,"spread":false},{"title":"SRNDeblurNet_epoch1999.pth <span style='color:#111;'> 39.12MB </span>","children":null,"spread":false},{"title":"conv_lstm.py <span style='color:#111;'> 4.29KB </span>","children":null,"spread":false},{"title":"data.py <span style='color:#111;'> 3.15KB </span>","children":null,"spread":false}],"spread":false}],"spread":true}]

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