AsConvSR

已于 2023-09-08 17:23:34 修改
阅读量291 收藏 2
点赞数
文章标签： 程序人生
于 2023-09-08 17:22:41 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/huohu728/article/details/132764589
版权

编辑 | Happy
首发 | AIWalker
链接 | https://mp.weixin.qq.com/s/p9u6RYkd37MmN12rUCMCuQ

前段时间，NTIRE2023各个竞赛落下帷幕，近期各个冠亚军方案提出者也在逐步公开方案细节。今天给大家概要介绍一下"RTSR-Track1"赛道冠军方案，方案提出者来自华为诺亚与华为海思。

AsConvSR

由于竞赛同时关注PSNR与推理耗时（计算方式如下），所以网络结构的设计尤其要关注下耗时因素的影响。
alt

AsConvSR网络结构非常的简单，需要关注的有两个：

  • PixelUnShuffle 该操作有助于减少网络整体推理耗时，它与超分领域常用的PixelShuffle为互逆操作。
alt
  • Assembled Block 该思想源自LAPAR一文，一种动态卷积操作。
alt

实验结果

alt
alt
alt

上图为所提方案与近年来轻量化网络的统计信息对比，重建效果对比。总体来说，AsConvSR在竞赛指标方面确实存在非常明显的优势。

alt

上表给出了竞赛前五方案的指标信息对比，所提方案优势还是挺明显的，^_^

推荐阅读

  1. ChatGPT聊图像超分，总结确实挺到位，哈哈
  2. 大核分解与注意力机制的巧妙结合，图像超分多尺度注意网络MAN
  3. CVPR2023 | 非局部注意力、局部自注意力、样条注意力协同助力图像复原达成新 SOTA!
  4. NAFNet ：无需非线性激活，真“反直觉”！但复原性能也是真强！
  5. CVPR 2022 Oral | MLP进军底层视觉！谷歌提出MAXIM模型刷榜多个图像处理任务
  6. ELAN | 比SwinIR快4倍，图像超分中更高效Transformer应用探索
  7. CNN与Transformer相互促进，助力ACT进一步提升超分性能
  8. CVPR2022 | Restormer: 刷新多个low-level任务指标
  9. Transformer在图像复原领域的降维打击！ETH提出SwinIR：各项任务全面领先

本文由 mdnice 多平台发布

AIWalker-Happy
关注
  • 0
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
【超分辨率】小米轻量级超分辨率模型FALSR：Fast, Accurate and Lightweight Super-Resolution models-附件资源
03-05
【超分辨率】小米轻量级超分辨率模型FALSR：Fast, Accurate and Lightweight Super-Resolution models-附件资源
AsConvSR | NTIRE2023-RTSR-Track1冠军方案
聚焦底层视觉处理，对相关基础AI技术持续学习
03-02 1074
编辑 | Happy首发 | AIWalker链接 | https://mp.weixin.qq.com/s/p9u6RYkd37MmN12rUCMCuQ前段时间，NTIRE2023各个竞赛落下帷幕，近期各个冠亚军方案提出者也在逐步公开方案细节。今天给大家概要介绍一下"RTSR-Track1"赛道冠军方案，方案提出者来自华为诺亚与华为海思。
【论文阅读笔记】AsConvSR: Fast and Lightweight Super-Resolution Network with Assembled Convolutions
时光机 °的博客
11-23 412
之前的高效网络都是基于低分辨率（360P/540P/640P），这次挑战的分辨率为720P或1080P，之前的性能就显得有些不足。本文的工作有重新评估一些复杂拓扑的网络架构，比如Enhanced Spatial Attention（ESA）和Residual Feature Distillation Block（RFDB这些结构可以提高SR网络的性能，但也会增加模型运行时间。所以本文的策略还是选择那些简单拓扑的网络，认为那是构建高效超分辨率网络的最佳选择。这些选择包括。
文献阅读:Fast, Accurate, and Lightweight Super-Resolution with Cascading Residual Network
暮日落流年的博客
01-05 6820
文章地址：https://arxiv.org/abs/1803.08664 作者的项目地址：CARN-Pytorch 1 简单介绍     作者说目前的主流的方法都是奔着性能表现去的，并没有考虑实际应用的情况。所以作者在本篇文章中提出一种快速，精确并且轻量级的网络。 2 网络介绍     提供
程序人生——Java使用关于性能和效率的建议
Arya的博客，专注后端领域
03-18 2167
程序人生——Java使用关于性能和效率的建议
小程序版基于卷积神经网络识别有无咽炎-不含数据集图片-含逐行注释和说明文档.zip
06-20
本代码是基于python pytorch环境安装的。 总共是3个py文件，十分的简便 且代码里面的每一行都是含有中文注释的,小白也能看懂代码 然后是关于数据集的介绍。 本代码是不含数据集图片的，下载本代码后需要自行搜集图片放到对应的文件夹下即可 在数据集文件夹下是我们的各个类别,这个类别不是固定的，可自行创建文件夹增加分类数据集 需要我们往每个文件夹下搜集来图片放到对应文件夹下，每个对应的文件夹里面也有一张提示图，提示图片放的位置 然后我们需要将搜集来的图片，直接放到对应的文件夹下，就可以对代码进行训练了。 运行01数据集文本生成制作.py,是将数据集文件夹下的图片路径和对应的标签生成txt格式,划分了训练集和验证集。 运行02深度学习模型训练.py就会将txt文本中记录的训练集和验证集进行读取训练，训练好后会保存模型在本地。训练完成之后会有log日志保存本地，里面记录了每个epoch的验证集损失值和准确率。 运行03flask_服务端.py就可以生成与小程序交互的url了 然后需要我们运行微信开发者工具，如果之前没有下载过，则需要在电脑网页上，搜微信开发者工具进行下载。 导入我们的小
ipywidgets-7.0.0a6.tar.gz
06-20
Python库是一组预先编写的代码模块，旨在帮助开发者实现特定的编程任务，无需从零开始编写代码。这些库可以包括各种功能，如数学运算、文件操作、数据分析和网络编程等。Python社区提供了大量的第三方库，如NumPy、Pandas和Requests，极大地丰富了Python的应用领域，从数据科学到Web开发。Python库的丰富性是Python成为最受欢迎的编程语言之一的关键原因之一。这些库不仅为初学者提供了快速入门的途径，而且为经验丰富的开发者提供了强大的工具，以高效率、高质量地完成复杂任务。例如，Matplotlib和Seaborn库在数据可视化领域内非常受欢迎，它们提供了广泛的工具和技术，可以创建高度定制化的图表和图形，帮助数据科学家和分析师在数据探索和结果展示中更有效地传达信息。
Elecard提供的HEVC视频流分析软件
06-20
HEVC码流分析工具是一款功能卓越且完全免费的工具，对于任何致力于学习和掌握HEVC（高效视频编码）技术的人来说，它都是不可或缺的辅助资源。这款工具提供了对HEVC码流的深入分析，帮助用户深入理解HEVC编码的各个环节，为学习和研究HEVC提供了极大的便利。
pyzmq-17.1.3-cp36-cp36m-win32.whl
最新发布
06-20
Python库是一组预先编写的代码模块，旨在帮助开发者实现特定的编程任务，无需从零开始编写代码。这些库可以包括各种功能，如数学运算、文件操作、数据分析和网络编程等。Python社区提供了大量的第三方库，如NumPy、Pandas和Requests，极大地丰富了Python的应用领域，从数据科学到Web开发。Python库的丰富性是Python成为最受欢迎的编程语言之一的关键原因之一。这些库不仅为初学者提供了快速入门的途径，而且为经验丰富的开发者提供了强大的工具，以高效率、高质量地完成复杂任务。例如，Matplotlib和Seaborn库在数据可视化领域内非常受欢迎，它们提供了广泛的工具和技术，可以创建高度定制化的图表和图形，帮助数据科学家和分析师在数据探索和结果展示中更有效地传达信息。
基于STM32的DMX512芯片的示例
06-20
这是驱动基于STM32的DMX512芯片的示例。它支持 TM512 和 UCS512 芯片。使用HAL文库很容易移植 主要功能为DMX512。C 和 h 文件。 您可以修改宏定义以更改引脚和串行端口，以及 DMX512 芯片和通道。 默认演示是循环点亮测试。 由于编码协议问题，UCS512C定义了一个 W 序列。请注意是否需要您使用的芯片。
权威数据 - 省、市、县三级逐年归一化植被指数NDVI（2000-2022年）.zip
06-20
NDVI（Normalized Difference Vegetation Index）是归一化植被指数的英文缩写，是一种广泛使用的遥感指数，用于监测和评估植被的生长状况、生物量、植被覆盖度等信息。它基于植被在红光（Red）和近红外（NIR）波段的反射特性，通过计算这两个波段反射率的比值差异来反映植被的生长状态。 NDVI值的范围通常在-1到1之间。一般来说： 负数（接近-1）表示水体、雪或云等无植被覆盖区域。 0值表示岩石或裸土等无植被覆盖区域。 接近1的值表示植被覆盖茂密，通常对应于茂密的森林或农作物。 NDVI值越高，通常表示植被覆盖越好，植被生长越旺盛。因此，NDVI被广泛应用于农业、林业、环境监测、气候研究等领域，以监测植被的动态变化、评估生态系统健康状况、预测作物产量等。 数据名称：省、市、县三级逐年归一化植被指数NDVI 数据包含excel、shp数据 省份、省代码、省所属类型、城市、城市代码、市所属类型、县名称、县所属类型、逐年归一化植被指数。
QT中利用动画弄一个侧边栏窗口，以及贴条效果
06-20
QT中利用动画弄一个侧边栏窗口，以及贴条效果
小程序版通过CNN训练识别草莓是否腐烂-不含数据集图片-含逐行注释和说明文档.zip
06-20
本代码是基于python pytorch环境安装的。 总共是3个py文件，十分的简便 且代码里面的每一行都是含有中文注释的,小白也能看懂代码 然后是关于数据集的介绍。 本代码是不含数据集图片的，下载本代码后需要自行搜集图片放到对应的文件夹下即可 在数据集文件夹下是我们的各个类别,这个类别不是固定的，可自行创建文件夹增加分类数据集 需要我们往每个文件夹下搜集来图片放到对应文件夹下，每个对应的文件夹里面也有一张提示图，提示图片放的位置 然后我们需要将搜集来的图片，直接放到对应的文件夹下，就可以对代码进行训练了。 运行01数据集文本生成制作.py,是将数据集文件夹下的图片路径和对应的标签生成txt格式,划分了训练集和验证集。 运行02深度学习模型训练.py就会将txt文本中记录的训练集和验证集进行读取训练，训练好后会保存模型在本地。训练完成之后会有log日志保存本地，里面记录了每个epoch的验证集损失值和准确率。 运行03flask_服务端.py就可以生成与小程序交互的url了 然后需要我们运行微信开发者工具，如果之前没有下载过，则需要在电脑网页上，搜微信开发者工具进行下载。 导入我们的小
cryptography-0.5-cp33-none-win32.whl
06-20
Python库是一组预先编写的代码模块，旨在帮助开发者实现特定的编程任务，无需从零开始编写代码。这些库可以包括各种功能，如数学运算、文件操作、数据分析和网络编程等。Python社区提供了大量的第三方库，如NumPy、Pandas和Requests，极大地丰富了Python的应用领域，从数据科学到Web开发。Python库的丰富性是Python成为最受欢迎的编程语言之一的关键原因之一。这些库不仅为初学者提供了快速入门的途径，而且为经验丰富的开发者提供了强大的工具，以高效率、高质量地完成复杂任务。例如，Matplotlib和Seaborn库在数据可视化领域内非常受欢迎，它们提供了广泛的工具和技术，可以创建高度定制化的图表和图形，帮助数据科学家和分析师在数据探索和结果展示中更有效地传达信息。
上市公司-企业绿色管理创新（2008－2023年）.zip
06-20
企业绿色管理创新是指企业采用新的组织结构或管理体系，以改善生产和管理流程，从而减少负面的环境影响。 通过绿色管理创新，企业可以更好地服务于经济社会可持续性发展需求，进一步增强企业竞争力，降低经营成本，提高产品市场份额，扩大占有率和接受度。同时，绿色管理创新也是企业应对环保法规、提升企业形象和履行社会责任的重要途径。 本数据包含原始数据、最终结果、参考文献。 数据名称：上市公司-企业绿色管理创新 数据 ID、证券代码、年份、是否通过ISO14001认证、是否通过ISO9001认证、环保管理制度体系、环保教育与培训、环保专项行动、绿色管理创新（未归一化处理）、Gm绿色管理创新（归一化处理）
nbconvert-7.2.7.tar.gz
06-20
Python库是一组预先编写的代码模块，旨在帮助开发者实现特定的编程任务，无需从零开始编写代码。这些库可以包括各种功能，如数学运算、文件操作、数据分析和网络编程等。Python社区提供了大量的第三方库，如NumPy、Pandas和Requests，极大地丰富了Python的应用领域，从数据科学到Web开发。Python库的丰富性是Python成为最受欢迎的编程语言之一的关键原因之一。这些库不仅为初学者提供了快速入门的途径，而且为经验丰富的开发者提供了强大的工具，以高效率、高质量地完成复杂任务。例如，Matplotlib和Seaborn库在数据可视化领域内非常受欢迎，它们提供了广泛的工具和技术，可以创建高度定制化的图表和图形，帮助数据科学家和分析师在数据探索和结果展示中更有效地传达信息。
cryptography-0.5.3-cp34-none-win32.whl
06-20
Python库是一组预先编写的代码模块，旨在帮助开发者实现特定的编程任务，无需从零开始编写代码。这些库可以包括各种功能，如数学运算、文件操作、数据分析和网络编程等。Python社区提供了大量的第三方库，如NumPy、Pandas和Requests，极大地丰富了Python的应用领域，从数据科学到Web开发。Python库的丰富性是Python成为最受欢迎的编程语言之一的关键原因之一。这些库不仅为初学者提供了快速入门的途径，而且为经验丰富的开发者提供了强大的工具，以高效率、高质量地完成复杂任务。例如，Matplotlib和Seaborn库在数据可视化领域内非常受欢迎，它们提供了广泛的工具和技术，可以创建高度定制化的图表和图形，帮助数据科学家和分析师在数据探索和结果展示中更有效地传达信息。
nbconvert-7.10.0.tar.gz
06-20
Python库是一组预先编写的代码模块，旨在帮助开发者实现特定的编程任务，无需从零开始编写代码。这些库可以包括各种功能，如数学运算、文件操作、数据分析和网络编程等。Python社区提供了大量的第三方库，如NumPy、Pandas和Requests，极大地丰富了Python的应用领域，从数据科学到Web开发。Python库的丰富性是Python成为最受欢迎的编程语言之一的关键原因之一。这些库不仅为初学者提供了快速入门的途径，而且为经验丰富的开发者提供了强大的工具，以高效率、高质量地完成复杂任务。例如，Matplotlib和Seaborn库在数据可视化领域内非常受欢迎，它们提供了广泛的工具和技术，可以创建高度定制化的图表和图形，帮助数据科学家和分析师在数据探索和结果展示中更有效地传达信息。
小程序版图像分类算法对鱼类识别-不含数据集图片-含逐行注释和说明文档.zip
06-20
本代码是基于python pytorch环境安装的。 总共是3个py文件，十分的简便 且代码里面的每一行都是含有中文注释的,小白也能看懂代码 然后是关于数据集的介绍。 本代码是不含数据集图片的，下载本代码后需要自行搜集图片放到对应的文件夹下即可 在数据集文件夹下是我们的各个类别,这个类别不是固定的，可自行创建文件夹增加分类数据集 需要我们往每个文件夹下搜集来图片放到对应文件夹下，每个对应的文件夹里面也有一张提示图，提示图片放的位置 然后我们需要将搜集来的图片，直接放到对应的文件夹下，就可以对代码进行训练了。 运行01数据集文本生成制作.py,是将数据集文件夹下的图片路径和对应的标签生成txt格式,划分了训练集和验证集。 运行02深度学习模型训练.py就会将txt文本中记录的训练集和验证集进行读取训练，训练好后会保存模型在本地。训练完成之后会有log日志保存本地，里面记录了每个epoch的验证集损失值和准确率。 运行03flask_服务端.py就可以生成与小程序交互的url了 然后需要我们运行微信开发者工具，如果之前没有下载过，则需要在电脑网页上，搜微信开发者工具进行下载。 导入我们的小
JAVA画图形学程序(论文模板+源代码).zip
06-20
标题中有的内容，压缩包中就有，适用于各位学子在完成大作业、课题、毕设时进行参考。 这些项目来自国内外大神提供，可以作为毕业设计的项目参考，也可以作为大作业项目参考，如果需要对项目进行修改，需要具备一定基础知识。 注意：如果装有360等杀毒软件，可能会出现误报的情况，源码本身并无病毒，使用源码时可以关闭360，或者添加信任。 注意：所有文件只提供参考作用，严禁抄袭、照搬

“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
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

AIWalker-Happy

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