图像超分辨率—EDSR训练及测试教程（Pytorch）

已于 2024-04-09 10:33:18 修改
阅读量1k 收藏 9
点赞数 10
分类专栏： 深度学习 文章标签： 超分辨率重建 深度学习
于 2023-12-24 20:32:43 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/hsdujdjrjrj/article/details/135186306
版权
深度学习 专栏收录该内容
14 篇文章 68 订阅 ¥19.90 ¥99.00
订阅专栏

EDSR训练及测试教程

超分重建经典算法EDSR开源代码使用教程。

论文名称：Enhanced Deep Residual Networks for Single Image Super-Resolution，CVPR2017。

训练自己的数据集

由于EDSR开源代码只针对DIV2K数据集，在数据集加载时很多代码已经固定，因此在这里使用固定的文件结构，将图像数据复制到相应的文件夹即可进行训练

数据集文件结构

在主目录下新建一个文件夹，命名为DataSet

在这里插入图片描述

数据集文件夹的文件结构如下：

在这里插入图片描述

数据命名方式：

在这里插入图片描述

在这里插入图片描述

训练参数配置

option.py修改

将 --dir_dat

了解本专栏 订阅专栏 解锁全文
加斯顿工程师
关注
  • 10
    点赞
  • 踩
  • 9
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 1
    评论
专栏目录
订阅专栏
（EDSR论文实现）pytorch复现1
qq_40107571的博客
07-07 1996
残差模块常见的残差模块如下图左边，是由两个卷积层组成 。右边是瓶颈残差模块。这里的1*1的卷积是用来进行升维和降维的。 上采样模块。这里的上采样模块分别可以实现2，3，4倍上采样。通常上采样模块放在模型的尾端。这里使用的亚像素卷积层。......
【图像超分】论文复现：万字长文！Pytorch实现EDSR！代码修改无报错！踩坑全记录！适合各种深度学习新手！帮助你少走弯路！附修改后的代码和PSNR最优的模型权重文件！
最新发布
畅游计算机视觉的海洋
04-16 1879
Pytorch实现EDSR！代码修改无报错！踩坑全记录！适合各种深度学习新手！帮助你少走弯路！附修改后的代码和PSNR最优的模型权重文件！讲解细致，EDSR流程全通，代码注释丰富，适合新手入门阅读！深度思考，踩坑报错全记录，代码中均已修正！python实现matlab中的RGB转YCbCr，解决matlab.engine无法使用的问题！EDSR的性能与论文接近！
EDSR运行教程
qq_41890263的博客
07-14 2152
使用EDSR
图像超分辨率算法EDSR的Pytorch版本复现代码，适合新手，修改后无bug，含制作好的h5数据集和最优PSNR的模型权重文件
04-12
配套文章：https://blog.csdn.net/qq_36584673/article/details/136934003 编译器：anaconda + pycharm pytorch环境：torch1.9.1+cuda11.1 再安装好所需的包即可运行。 文件目录： data：数据集和生成h5数据集的matlab文件 Set5：测试集Set5（matlab生成的.mat格式，不用matlab生成这个格式计算的PSNR有偏差，这样最准） dataset.py：将h5数据集转成Tensor格式，作为DataLoader的输入 edsr.py：EDSR网络模型的实现 eval.py：评估测试集，得到与Bicubic对比的PSNR值 main_edsr.py：训练EDSR过程 test.py：可视化超分结果，计算单张图像的PSNR mode_edsr.pth：训练后生成的模型文件 使用方法： 1.执行main_edsr.py训练EDSR 2.执行eval.py计算Set5的平均PSNR 3.执行test.py可视化超分结果对比并计算单张图像的PSNR
超分辨率matlab代码-pytorch-edsr:EDSR的Pytorch实施（CVPR2017）
05-26
超分辨率matlab代码PyTorch EDSR 在PyTorch中实施CVPR2017研讨会论文：“增强的深度残差网络以实现单图像超分辨率”（） 用法 训练 usage: main_edsr.py [-h] [--batchSize BATCHSIZE] [--nEpochs NEPOCHS] [--lr LR] [--step STEP] [--cuda] [--resume RESUME] [--start-epoch START_EPOCH] [--threads THREADS] [--momentum MOMENTUM] [--weight-decay WEIGHT_DECAY] optional arguments: -h, --help show this help message and exit --batchSize BATCHSIZE training batch size --nEpochs NEPOCHS number of epochs to train for --lr LR Learning Rate. Default=1e-4 --step STEP
高性能图像超分辨率——EDSR-PyTorch
gitblog_00018的博客
03-23 495
高性能图像超分辨率——EDSR-PyTorch 项目地址:https://gitcode.com/sanghyun-son/EDSR-PyTorch 项目简介 EDSR-PyTorch 是一个基于PyTorch实现的深度学习模型，用于图像的超分辨率处理。该模型源自Sang-Hyun Son等人在2017年的论文《Enhanced Deep Residual Networks for Single ...
EDSR的pytorch代码修改后的plot报错问题
成长的痕迹
07-06 436
应该是epoch的计数方式不对造成的 train的代码里应该是 epoch = self.optimizer.get_last_epoch() + 1 test的代码里应该是 epoch = self.optimizer.get_last_epoch() 有时候+1的位置会错
超分之EDSR
Ton的博客
03-22 2万+
这篇文章是SRResnet的升级版——EDSR，其对网络结构进行了优化(去除了BN层)，省下来的空间可以用于提升模型的size来增强表现力。此外，作者提出了一种基于EDSR且适用于多缩放尺度的超分结构——MDSR。 EDSR在2017年赢得了NTIRE2017超分辨率挑战赛的冠军。 参考目录： ①深度学习端到端超分辨率方法发展历程 ②【图像超分辨】EDSR ③源码(Pytorch) ④源码(Facebook-torch) ⑤源码(Tensorflow) Enhanced Deep Residual Netw
EDSR-PyTorch:PyTorch版本的论文《增强的深度残差网络用于单图像超分辨率》（CVPRW 2017）
05-11
该存储库是CVPRW 2017，第二版NTIRE的PyTorch官方实现，其论文为“用于单图像超分辨率的增强型深度残差网络” 。 您可以从找到原始代码和更多信息。 如果您发现我们的工作对您的研究或出版物有用，请引用我们的...
超级分辨率的所有网络代码和demo数据集项目-pytorch
06-29
在IT领域，超级分辨率是一种图像处理技术，旨在提高低分辨率（LR）图像的质量，使其看起来接近或达到高分辨率（HR）图像的清晰度。这个"超级分辨率的所有网络代码和demo数据集项目-pytorch"是一个专门针对这项技术的...
pytorch训练代码
11-17
pytorch训练代码，就是这样啦，应该是实现imagenet的分类器吧
EDSR-PyTorch-master.zip
09-08
总的来说，“EDSR-PyTorch-master.zip”压缩包为我们提供了一个实用的工具，通过理解并实践这个项目，我们可以深入掌握图像超分辨率技术，以及如何在PyTorch中实现深度学习模型，这对于任何对计算机视觉和深度学习感...
EDSR可以跑的命令
Magic_o的博客
07-13 514
1.python main.py --template MDSR --model MDSR --scale 2+3+4 --n_resblocks 80 --save MDSR --reset --save_models# MDSR in the paper.2.19 pytorch1.0.0 2.python main.py --model EDSR --scale 2 --patch_size 96 --save edsr_baseline_x2 --reset 3.13 # EDSR baseline
EDSR实验记录
Doreenqiuyue的博客
08-26 3011
代码链接 在colab里跑的代码 首先将项目文件上传到云端硬盘，然后在云端硬盘新建一个Google Colaboratory colab的使用可参考如下 将云端硬盘文件与colab关联上 !cp -r "/content/drive/My Drive/要关联的文件名" "/content/" 下载数据集 !wget --no-check-certificate \ https://cv.snu.ac.kr/research/EDSR/DIV2K.tar \ -O /content/EDSR-Py
《Enhanced Deep Residual Networks for Single Image Super-Resolution》论文阅读之EDSR
Gavinmiaoc的博客
05-25 1万+
导读    韩国首尔大学的研究团队提出用于图像超分辨率任务的新方法，分别是增强深度超分辨率网络 EDSR 和一种新的多尺度深度超分辨率 MDSR，在减小模型大小的同时实现了比当前其他方法更好的性能，分别赢得NTIRE2017超分辨率挑战赛的第一名和第二名。论文阅读点击这里EDSR文章翻译来自：https://mp.weixin.qq.com/s/xpvGz1HVo9eLNDMv9v7vqghttp...
从SRCNN到EDSR，总结深度学习端到端超分辨率方法发展历程
热门推荐
aBlueMouse的博客
12-04 5万+
超分辨率技术（Super-Resolution, SR）是指从观测到的低分辨率图像重建出相应的高分辨率图像，在监控设备、卫星图像和医学影像等领域都有重要的应用价值。 本文针对端到端的基于深度学习的单张图像超分辨率方法(Single Image Super-Resolution, SISR)，总结一下从SRCNN到EDSR的发展历程。(排列顺序大致按论文中给出的4倍上采样结果的峰值信噪比(Pe
图像超分辨EDSR：Enhanced Deep Residual Networks for Single Image Super-Resolution，论文笔记
Cyiano的博客
11-02 1万+
图像超分辨EDSR：Enhanced Deep Residual Networks for Single Image Super-Resolution，论文笔记简介 作者提出的模型主要是提高了图像超分辨的效果，并赢得了NTIRE2017 Super-Resolution Challenge。 做出的修改主要是在残差网络上。残差结构的提出是为了解决high-level问题，而不能直接套用到超分辨这种l
SRResNet与EDSR
prinstinadl的博客
06-27 2万+
SRResNet SRResNet 网络来源于SRGAN，原论文（https://arxiv.org/abs/1609.04802）提到一种扩展方式，允许修复更高频的细节。SRResNet 的残差块架构基于这篇文章（http://torch.ch/blog/2016/02/04/resnets.html）。存在两个小的更改：一个是 SRResNet 使用 Parametric ReLU 而不是 R...
用python实现EDSR模型对图像超分辨率的工作
04-24
嗨！感谢您的提问！EDSR（Enhanced Deep Residual Networks for Single Image Super-Resolution）是一种超分辨率模型，它主要是用于增强图像的细节和质量。要用python实现EDSR模型对图像超分辨率的工作，您可以使用深度学习框架如TensorFlow或PyTorch来实现。以下是大致的步骤： 1. 准备数据集：要训练EDSR模型，需要一个超分辨率图像数据集。可以使用以前的数据集，也可以使用现有的数据集，如DIV2K数据集等。 2. 数据预处理：为了提高训练效果，需要对数据进行一些预处理，例如裁剪、旋转、水平翻转等。 3. 构建模型：使用深度学习框架构建EDSR超分辨率模型。 4. 训练模型：使用训练数据集训练EDSR模型。在每个epoch后，评估模型的性能，并可视化图像的超分辨率质量。 5. 测试模型：使用测试数据集测试已经训练好的EDSR模型。通过计算PSNR和SSIM等指标来评估模型的性能。 最后，您可以使用已经训练好的模型对新的图像进行超分辨率处理，从而提高图像的质量。希望这能对您有所帮助！

“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 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

打赏作者

加斯顿工程师

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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