matlab代码中的rir
使用非常深的残差通道注意网络的图像超分辨率
这个存储库是为下面论文中介绍的RCAN
、
、
、
、
、
和,“使用非常深的残差通道注意力网络的图像超分辨率”,ECCV
2018,
该代码基于
Ubuntu
14.04/16.04
环境(Python3.6、PyTorch_0.4.0、CUDA8.0、cuDNN5.1)和
Titan
X/1080Ti/Xp
GPU
构建和测试。
RCAN
模型也已合并到
.
内容
介绍
卷积神经网络
(CNN)
深度对于图像超分辨率
(SR)
至关重要。
然而,我们观察到图像
SR
的更深网络更难训练。
低分辨率的输入和特征包含丰富的低频信息,这些信息在通道间被平等对待,因此阻碍了
CNN
的表示能力。
为了解决这些问题,我们提出了非常深的残差通道注意网络(RCAN)。
具体来说,我们提出了残差中的残差(RIR)结构来形成非常深的网络,该网络由几个具有长跳跃连接的残差组组成。
每个残差组包含一些具有短跳跃连接的残差块。
同时,RIR
允许通过多个跳过连接绕过丰富的低频信息,使主网络专注于学习高频信息。
此外,我们提出了一种通道
2022-10-11 16:26:24
34.49MB
系统开源
1