压缩感知常用测试集 SET5, SET11, SET14下载

最新推荐文章于 2023-12-21 08:56:41 发布
最新推荐文章于 2023-12-21 08:56:41 发布
阅读量7.1k 收藏 18
点赞数 14
分类专栏： 压缩感知
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/chen666250/article/details/116328919
版权
如题SET5和SET14是公开数据集可以直接下载，比较好找。SET11 是reconnet 那篇文章里自己编译出来的，比较难找，在此一并附上下载连接。Set11链接：https://pan.baidu.com/s/1VNLqiwnx1wKxaTIu_Ls_2A 提取码：6321 附上引用@INPROCEEDINGS{7780424, author={Kulkarni, Kuldeep and Lohit, Suhas and Turaga, Pavan and Kerviche, Ron
摘要由CSDN通过智能技术生成

如题
SET5和SET14是公开数据集可以直接下载，比较好找。
SET11 是reconnet 那篇文章里自己编译出来的，比较难找，在此一并附上下载连接。

Set11 ReconNet里版本


链接：https://pan.baidu.com/s/1VNLqiwnx1wKxaTIu_Ls_2A 
提取码：6326

附上引用

@INPROCEEDINGS{
   7780424,  author={
   Kulkarni, Kuldeep and Lohit,
最低0.47元/天 解锁文章
桂江
关注
  • 14
    点赞
  • 踩
  • 18
    收藏
    觉得还不错? 一键收藏
  • 7
    评论
专栏目录
【深度思考】为什么评价指标PSNR、SSIM和论文中的不一样？一文搞清超分辨率主流benchmarks测试集Set5等的PSNR、SSIM的计算方式以及python与matlab的imresize差别
畅游计算机视觉的海洋
05-20 129
LR：模型输入input，低分辨率图像HR：模型标签label/target，高分辨率图像，也即GT（ground-truth）SR：LR经过模型超分后的结果，即super-resolution result。benchmarks：一套标准，包括算法、数据集以及相关内容，本文我们将其指代为基于数据集，超分中常见的benchmarks为Set5、Set14、BSD100、URBAN100、MANGA109等。
超分辨率测试集，Set5, Set14, BSDS100, Urban100, Manga109
08-30
超分辨率测试集，Set5, Set14, BSDS100, Urban100, Manga109
Set5彩色图像数据集
07-03
该资源为Set5彩色图像数据集，欢迎下载使用哦！
超分辨率常用数据集(Set5, Set14, BSD100, BSDS200, BSDS300, BSDS500, 91-images,General-100,
03-18
超分辨率常用数据集,包含数据增强方法和以下数据集：Set5, Set14, BSD100, BSDS200, BSDS300, BSDS500, 91-images,General-100, Manga109, Urban100, historical
Set5-数据集
03-26
SR
超分辨率等图像处理 ，set5数据集
06-27
Set5数据集，是图像数据处理常用的一个数据集，需要的可以来下载。
Set5 Set14数据集
10-21
超分辨率常用数据集,包含数据增强方法和以下数据集：Set5,Set14数据库，训练必备，资源有效，欢迎下载
压缩感知-图像处理-典型图像数据库.zip
06-11
lena,cameraman,baboon,barbara,boat,fruits,house,peppers,phantom,plane,sar,stadium...
Set14完整版.rar
09-18
Set14数据集，图像去噪图像去模糊图像超分辨率重建
超分辨数据集：Set5 Set14 BSD100 Urban100 Manga109
最新发布
weixin_43191153的博客
12-21 2906
DIV2K数据集官网上很好找到，但是网上流传的Set5 14 BSD100,Urban100 Manga109都是私人进行处理过的版本，各个处理方式都不同，为了统一方式写了这篇文章。官方的DIV2K x2、x3、x4的LR图片使用下面matlab代码生成（已经经过测试最后输出为0，就是差异为0）。但是x8的LR图片使用下面代码生成但是经过测试发现网上流传的很多Set5 14 BSD100,Urban100 Manga109并不是经过上面matlab生成的。
Python数据结构五之集合（set）
skay1992的博客
10-11 244
5
图像处理超分辨率重建测试集Set5-234倍
01-06
图像处理(image processing)，用计算机对图像进行分析，以达到所需结果的技术。又称影像处理。图像处理一般指数字图像处理。数字图像是指用工业相机、摄像机、扫描仪等设备经过拍摄得到的一个大的二维数组，该数组的元素称为像素，其值称为灰度值。图像处理技术一般包括图像压缩，增强和复原，匹配、描述和识别3个部分。
超分辨图像重建数据集(Set5,Set14,BSD100,URBAN100,MANGA109,DIV2K)共204M
07-09
超分辨图像重建数据集：包括训练集，训练集DIV2K有7G(提供下载地址)，5个测试集Set5，Set14，BSD100，URBAN100，MANGA109
Set5，Set14 低复杂度单图像超分辨率数据集.7z
07-13
Set5，Set14 Dataset 是基于非负邻域嵌入的低复杂度单图像超分辨率的数据集，该训练集被用于单幅图像超分辨率重构，即根据低分辨率图像重构出高分辨率图像以获取更多的细节信息。 这项技术已被广泛应用于 计算机视觉 与图形学、医学成像、安全监控等领域。 该数据集由比利埃大学、法国贝尔实验室于 2012 年发布，相关论文有《Low-Complexity Single-Image Super-Resolution based on Nonnegative Neighbor Embedding》。
SRCNN数据集，包括91-image，set5，set14
09-01
91-image包括91张图像、set5中5幅图，set14中14幅图，可用于SRCNN超分辨率的训练、验证与测试
SR数据集 91-Images Set5 Set14 BSD100 General-100
10-24
图像超分辨率领域用到的数据集，积分免费下载！
Set14图像测试数据集
07-03
Set14图像测试数据集是计算机视觉领域中一个广泛使用的图像质量评估基准，主要用于测试和比较不同的图像处理算法，特别是图像恢复和图像压缩算法。这个数据集由14张具有不同特性的高分辨率图像组成，其中包括`comic....
图像超分辨率重建数据集看这篇就够了——训练 + 测试 | 【云盘分享】
热门推荐
专注于AI领域前沿技术学习与分享：目标检测、图像修复、超分重建、AI工程化
01-27 1万+
其实之前有分享过一些SR数据集下载，与小伙伴交流过程总会发现新的数据集需求，Oh, that was so much fun 本博文针对 Single image super resolution 常用数据集做一个总结归纳 训练数据集 训练数据集主流使用有如下两个：DIV2K & Flickr2K 之前一篇博文已经做过整理，麻烦移步啦，If you need … 超分重建数据集 DIV2K & Flickr2K 下载地址 | 简记 测试数据集 测试数据集，现在全网流传分享的SR测.
视线估计14个常见数据集下载
weixin_43841776的博客
02-21 3529
gaze常用数据集下载
set5和set14数据集下载
12-01
set5和set14是常用的用于评估图像超分辨率算法的数据集。 set5数据集是一个由5个高清图片组成的数据集，这些图片经过裁剪和缩小处理，用于测试图像超分辨率算法的性能。这些图片包含各种不同的场景和纹理，涵盖了图像超分辨率算法常见的挑战，比如细节增强、边缘恢复和舒适度增强。set5数据集是一个相对较小的数据集，但由于其挑战性和代表性，被广泛用于评估和比较不同的超分辨率算法。 而set14数据集是一个由14个高清图片组成的更大的数据集，这些图片具有不同的场景和内容，包括自然风景、室内场景、动物和人物等。与set5数据集相比，set14数据集更具代表性，更能反映真实世界中的多样性和复杂性。因此，set14数据集常用于更全面和准确地评估图像超分辨率算法的性能和通用性。 这两个数据集都可以通过互联网进行下载。有关下载set5和set14数据集的具体方式，在网上可以找到相关的资源和链接。下载后，可以将这些图片用于超分辨率算法的训练、测试和评估，以便研究人员和开发者能够更好地理解和改进图像超分辨率算法的性能和效果。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 7
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