Deep Constrained Least Squares for Blind Image Super-Resolution DCLS旧pytorch中torch.rfft和irfft无法在新版实现

已于 2023-01-07 23:48:40 修改
阅读量408 收藏
点赞数 1
分类专栏： cv 文章标签： 计算机视觉 pytorch python 超分辨率重建 github Powered by 金山文档
于 2023-01-07 23:39:55 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Lincoln76/article/details/128597048
版权

论文代码地址：https://github.com/megvii-research/DCLS-SR

在该论文代码对应路径文件DCLS-SR-master/codes/utils/dcls_utils.py中，由于作者使用了旧版pytorch中的torch.rfft()和torch.irfft()进行傅里叶变换，而这两个函数无法在新版pytorch中实现。

在网上查了这个问题，很多都是让退回旧的pytorch版本，我觉得太麻烦，所以就将代码修改为新版pytorch能兼容的程度，分享给大家供参考使用。

对于代码中出现的torch.rfft()，将其改为：

举例：（大家对应github上作者源代码对应路径DCLS-SR-master/codes/utils/dcls_utils.py即可）

对于出现的torch.irfft(), 如下，将其修改为

在这里我只是举了两个例子，其他这两个函数出现的地方类似修改即可。

至于修改的原理，有兴趣的可以移步https://zhuanlan.zhihu.com/p/422962341这里学习

Lincoln.224
关注
专栏目录
Efficient single image super-resolution via graph-constrained least squares regression
02-09
本文介绍了一种有效的单幅图像超分辨率(SR)算法解决方案——基于图约束最小二乘回归（graph-constrained least squares regression，gCLSR）。超分辨率技术的目标是通过单张低分辨率（LR）图像重建出高分辨率（HR）...
Locally regularized Anchored Neighborhood Regression for fast Super-Resolution
02-09
在图像处理领域，超分辨率（Super-Resolution，简称SR）技术致力于从低分辨率（Low-Resolution，简称LR）图像中重建高分辨率（High-Resolution，简称HR）图像，以提升图像质量并增强细节。传统的超分辨率技术面临的...
【图像盲超】Deep Constrained Least Squares for Blind Image Super-Resolution 基于深度约束最小二乘的盲图像超分辨率算法
m0_46507285的博客
03-30 6087
本文提出了一种改进的退化模型和两个新的模型来解决盲图像超分辨率问题。该方法继承了盲随机共振的一般方法，改进了核估计方法和基于核的高分辨率图像恢复方法。更具体地说，我们首先重新表述退化模型，以便将去模糊核估计转移到低分辨率空间。在此基础上，引入了动态深线性滤波模块。它不需要为所有图像学习一个固定的核，而是可以根据输入自适应地生成去模糊核权值，并产生更稳健的核估计。然后，在重构核和估计核的基础上，应用深度约束最小二乘滤波模块生成干净的特征。然后，将去模糊特征和低输入图像特征馈入双路径结构化SR网络，并恢复最终的
盲超分论文解读：Deep Constrained Least Squares for Blind Image Super-Resolution, CVPR 2022
qq_20448873的博客
05-01 1974
ArXiv地址：Deep Constrained Least Squares for Blind Image Super-Resolution 代码和训练好的模型已经放出：https://github.com/megvii-research/DCLS-SR 一个经典的图像降质过程如下，其中y表示LR图像，x表示HR图像， k_h 表示模糊核， \downarrow_s 表示下采样操作，n表示噪声。 ​ 这里我们用 k_h 来表示模糊核（blur kernel）是因为这个blur kernel是应
torch.fft.rfft()函数用法
热门推荐
oxygenh2o的博客
12-26 2万+
在新旧版的torch中的傅里叶变换函数在定义和用法上存在不同，记录一下。 1、旧版 fft = torch.rfft(input, 2, normalized=True, onesided=False) # input 为输入的图片或者向量，dtype=torch.float32，size比如为[1,3,64,64] # signal_ndim(int):The number of dimensions in each signal,can only be 1、2、3 # normalized(
torch1.7或更高版本兼容fft库torch.rfft与torch.irfft
qq_38204247的博客
10-21 1068
高版本torch（1.7及以后）中移除了torch.rfft与torch.irfft，使得高版本环境无法运行低版本的代码。
torch_dct中解决AttributeError: module ‘torch‘ has no attribute ‘rfft‘
weixin_44412718的博客
12-03 3460
torch_dct中解决AttributeError: module ‘torch‘ has no attribute ‘rfft‘
PyPI 官网下载 | torch_constrained-0.0.18-py3-none-any.whl
02-05
一旦安装成功，你就可以在你的PyTorch项目中导入并使用`torch_constrained`库，以利用其提供的约束功能。这可能包括在定义模型时应用约束，或者在训练循环中动态调整约束强度。 在实际应用中，`torch_constrained`...
解决报错：AttributeError: module ‘torch‘ has no attribute ‘irfft‘
m0_47893709的博客
10-09 745
再在当前文件页面搜索 torch.rfft 和 torch.irfft 将其改为 rfft 和 irfft 也就是把torch.去掉，再运行就好了。因为torch版本问题，新版本删除了irfft。但我不想降低torch版本。在使用了torch.irfft的文件中加上这段代码。
torch.fft类下面的函数
To be a better man
05-13 5741
这篇博客比较简洁给大家一个直观的对序列的傅里叶变换与其逆变换，具体可以参考底部链接 torch.fft.fft&&torch.fft.ifft torch.fft.fft(input, n=None, dim=-1, norm=None) → Tensor torch.fft.fftn(input, s=None, dim=None, norm=None) → Tensor import torch.fft x=8#x得是2的n次方 t= torch.arange(x) t ===
旧版中 pytorch.rfft 函数与新版 pytorch.fft.rfft 函数对应修改问题
qq_43169650的博客
12-04 1万+
旧版pytorch中torch.rfft在新版本中的对应
pytorhc(v1.7.1)中torch.rfft(3,oneside=False) 和 MATLAB中fftn()的关系
NLOS的博客
05-23 3083
目录问题描述验证结论合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 问题描述 将一个MATLAB算法更改为python代码的过程中遇到了一个问题： 当输入的tensor/多维矩阵是mnp的三维矩阵时， MATLAB中使用的是fftn(),
pytorch 笔记：torch.fft
qq_40206371的博客
03-06 4151
进行一个维度的快速傅里叶变换。
torch中fft和ifft新旧版本使用
最新发布
weixin_50538161的博客
06-28 672
【代码】torch中fft和ifft新旧版本使用。
torch1.7版本与之后版本torch.fft的变化
m0_56907039的博客
11-11 1472
torch.fft版本变化
新旧torch中傅里叶变换实现（fft）
百般回首曾经的相遇，留下的只是一缕残忆
06-16 605
【代码】新旧torch中傅里叶变换实现（fft）
CVPR2022去噪+超分
Java_yubaobao的博客
05-05 3855
这里写自定义目录标题CVPR2022去噪+超分去噪图像复原/去噪/增强 CVPR2022去噪+超分 去噪 Deep Constrained Least Squares for Blind Image Super-Resolution(用于盲图像超分辨率的深度约束最小二乘) ，论文地址：https://link.zhihu.com/?target=https%3A//arxiv.org/abs/2202.07508 Local Texture Estimator for Implicit Represent
tamilselvi selvaraj (2023). matlab code for constrained nsga ii - dr.s.baska
12-21
《2023年》这是一篇关于tamilselvi selvaraj在matlab编程中所做的研究。文章主要讨论了约束式NSGA II算法的matlab代码，并且由Dr.S.Baska指导。NSGA II算法是一种用于多目标优化问题的进化算法，而约束式的NSGA II算...
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值