没有合适的资源?快使用搜索试试~ 我知道了~
cutblur:重新考虑数据增强以实现图像超分辨率(CVPR 2020)
共25个文件
py:14个
png:4个
jpg:1个
需积分: 50 1 下载量 39 浏览量
2021-03-19
21:33:27
上传
评论
收藏 13.02MB ZIP 举报
温馨提示
重新考虑数据增强以实现图像超分辨率(CVPR 2020) 该存储库提供了以下论文的官方PyTorch实现: 重新思考图像超分辨率的数据增强:全面分析和新策略* 1 , * 2 , 2 *表示相等的贡献。大多数工作在NAVER Corp.中完成。 1个EPFL 2阿久大学 摘要:数据扩充是提高深度网络性能的有效方法。不幸的是,当前的方法主要是针对高级视觉任务(例如分类)而开发的,而针对低级视觉任务(例如图像恢复)的研究很少。在本文中,我们对应用于超分辨率任务的现有增强方法进行了全面分析。我们发现,丢弃或处理像素或特征的方法过多地妨碍了图像恢复,而空间关系非常重要。根据我们的分析,我们建议使用CutBlur剪切低分辨率的色块并将其粘贴到相应的高分辨率图像区域,反之亦然。 CutBlur的主要直觉是使模型不仅可以学习“如何”而且可以学习“位置”以超级解析图像。通过这样做,模型可以了解“多少”
资源推荐
资源详情
资源评论
收起资源包目录
cutblur-master.zip (25个子文件)
cutblur-master
.gitignore 52B
requirements.txt 55B
data
benchmark.py 1KB
__init__.py 3KB
realsr.py 1KB
div2k.py 2KB
model
carn.py 2KB
rcan.py 3KB
ops.py 2KB
edsr.py 1KB
assets
teaser.jpg 288KB
option.py 4KB
LICENSE 1KB
inference.py 1KB
utils.py 1KB
README.md 7KB
example
demo_hr_inputting.ipynb 1.56MB
inputs
Nikon_006_HR.png 2.98MB
Canon_003_LR4.png 2.02MB
Canon_003_HR.png 2.2MB
0869.png 4.38MB
NOTICE 4KB
augments.py 6KB
main.py 653B
solver.py 6KB
共 25 条
- 1
资源评论
一叶障不了目
- 粉丝: 12
- 资源: 4608
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功