SRCNN以DIV2K数据集进行训练时，.h5文件、PSNR评价指标、运行结果

最新推荐文章于 2023-04-24 11:49:51 发布
VIP文章 最新推荐文章于 2023-04-24 11:49:51 发布
阅读量2.6k 收藏 3
点赞数 2
分类专栏： 超分辨率学习 文章标签： 计算机视觉 深度学习 超分辨率
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/lininggggggg/article/details/106331770
版权

由于是从Word文档直接复制过来，其中格式如果乱码或者不通顺，请评论区告知我

1、 对于.h5文件的大小计算：

输入图片后，由于大小不同，无法从图片直接计算，但整合后数组有两个，一个arrlabel，一个arrdata；

1）其中，arrlabel数组是（52933331）；arrdata数组是（52921211）；
则，生成的.h5文件大小计算公式为：
共有（52933331+52921211）=809370个参数
每个参数是float64，占8个位bit
共8093708=6474960（bit），实际大小是6477008bit，相差2048bit（相差部分应该是一些格式字符）
那么，总的.h5文件大小是：
（52933331+52921211）8/1024/1024=6.175MB，和实际大小基本相同。
在这里插入图片描述
2）另一个，arrlabel数组是（114520233331）；arrdata数组是&

最低0.47元/天 解锁文章
Lininggggggg
关注
  • 2
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
PSNR.rar_PSNR评价
07-14
psnr算法，基于平面图像质量评价算法研究
深入理解线性回归模型的评估与优化方法
null18的博客
08-25 1073
然而，在使用线性回归模型时，仅仅构建模型是不够的，还需要对模型进行评估和优化，以确保其在实际应用中表现出色。模型评估是了解模型性能的关键步骤，它帮助我们了解模型在新数据上的表现。特征工程是提高模型性能的关键步骤。均方误差（MSE） 和 均方根误差（RMSE）：对于这两个指标，数值越小越好，因为它们衡量了模型预测值与真实值之间的差异，越小表示模型的预测越接近真实值。决定系数（R-squared）：在决定系数中，数值越接近1越好，因为它表示模型对因变量变化的解释能力，越接近1表示模型能够更好地解释数据的变化。
超分重建数据集 DIV2K & Flickr2K 下载地址【有效分享】
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
08-21 3万+
超分重建数据集 DIV2K & Flickr2K 下载地址【有效分享】、你也在玩超分重建、打开看看、必有收获
PSNR定义与计算
恰同学少年的博客
07-06 3万+
峰值信噪比（PSNR）， 一种评价图像的客观标准。它具有局性，PSNR是“Peak Signal to Noise Ratio”的缩写。peak的中文意思是顶点。而ratio的意思是比率或比列的。整个意思就是到达噪音比率的顶点信号，psnr一般是用于最大值信号和背景噪音之间的一个工程项目。通常在经过影像压缩之后，通常输 出的影像都会在某种程度与原始影像不同。为了衡量经过处理后的影像品质，我们通
WDSR(NTIRE2018超分辨率冠军)【深度解析】
木盏
12-17 2万+
s超分辨率(super-resolution)的通俗解释就是：将低分辨率的图像通过算法转换成高分辨率图像。听起来似乎很神奇，这样是不是可以把低清电影转换成高清了？就现在来看，基于深度学习的超分辨率(简称SR)已经达到了amazing的效果。 当然，以木盏的习惯就是，只在博文中讨论干货。 这篇博文要解析的算法叫做WDSR，来自UIUC的华人学生JiaHui Yu的论文。在SR界有一个比赛，叫做N...
超分重建数据集
AI浩
05-01 6233
DIV2K数据集 数据概览 DIV2K 数据集分为： 训练数据：从 800 张高清高分辨率图像开始，我们获得相应的低分辨率图像，并提供 2、3 和 4 缩小因子的高分辨率和低分辨率图像 验证数据：100张高清高分辨率图像用于生成低分辨率对应图像，低分辨率从挑战开始就提供，用于参与者从验证服务器获得在线反馈； 高分辨率图像将在挑战的最后阶段开始时发布。 测试数据：使用100张不同的图像生成低分辨率对应图像； 数据结构 DIV2K 数据集具有以下结构： 1000张2K分辨率图像分为： 800张训练图像，10
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
qq_29462849的博客
08-25 1685
点击上方“3D视觉工坊”，选择“星标”干货第一时间送达作者丨happy编辑丨极市平台导读鲜少有工作将transformer用于图像复原方向，而ETH的学者近日提出基于Swin Trans...
学习笔记之——SR流程
gwpscut的博客
10-23 1万+
    本博文为本人学习SR流程所写的笔记，笔记有些粗糙~仅供本人自己学习记录   主要参考的材料为（这算是写的比较详细的文档） https://github.com/xinntao/BasicSR 首先是准备dataset。 下载数据集，经典的SR数据集有（BSD200, T91, General100; Set5, Set14, urban100, BSD100, manga109;...
图像超分辨率：使用 SRCNN 和 ESPCN 模型在 DIV2K 数据集上实现
sybh的博客
04-24 756
在本文中，我们比较了两种深度学习模型：SRCNN 和 ESPCN，在 DIV2K 数据集上进行图像超分辨率任务。我们首先介绍了这两个模型，然后使用 Python 编写了代码来实现它们。最后，我们使用 PSNR 和 SSIM 指标来评估模型的性能。通过这个实验，您可以了解这两种模型在图像超分辨率任务上的优缺点，并为您的项目选择合适的模型。
超分重建数据集 DIV2K & Flickr2K 下载地址，简单描述
qq_38376205的博客
10-16 3578
https://blog.csdn.net/sinat_28442665/article/details/108142434 https://blog.csdn.net/sinat_28442665/article/details/108142434
Image_processing_quality_evluation.rar_PSNR方差_互信息_加密评价指标_图像评价标准_
07-15
图像处理（图像融合，图像加密等）的性能评价指标集包括：平均梯度，边缘强度，信息熵，灰度均值，标准差(均方差MSE)，均方根误差，峰值信噪比（psnr），空间频率(sf)，图像清晰度，互信息(mi)，结构相似性(ssim)，...
3PSNR.rar_PSNR_PSNR彩色图像_彩色图像psnr_彩色图像评价
07-15
本程序功能是计算2幅彩色图像的PSNR,以此来评价图像处理的效果运行的结果保存在变量PSNR中
去噪评价指标ENL, SSIM, PSNR,SNR,EPI.zip_EPI_EPI 图像_图像 snr_图像去噪评价_评价指标
07-15
图像去噪的评价指标ENL, SSIM, PSNR,SNR,EPI
PSNR.zip_PSNR彩色图像_psnr 彩色_psnr 彩色图像_彩色图像psnr_彩色图像评价
09-24
本程序功能是计算2幅彩色图像的PSNR,以此来评价图像处理的效果
Ycbcr通道概念、SRCNN基本算法及基本细节
Lininggggggg的博客
05-25 3585
1、Ycbcr通道概念 https://blog.csdn.net/carson2005/article/details/42677449 1） RGB RGB（红绿蓝）是依据人眼识别的颜色定义出的空间，可表示大部分颜色。但在科学研究一般不采用RGB颜色空间，因为它的细节难以进行数字化的调整。它将色调，亮度，饱和度三个量放在一起表示，很难分开。它是最通用的面向硬件的彩色模型。该模型用于彩色监视器和一大类彩色视频摄像。 2） YUV 在YUV空间中，每一个颜色有一个亮度信号 Y，和两个色度信号 U 和 V。亮
图像质量评价指标PSNR和SSIM
Lininggggggg的博客
05-25 2863
由于是从Word文档直接复制过来，其中格式如果乱码或者不通顺，请评论区告知我 https://blog.csdn.net/dxpqxb/article/details/85071338 https://www.cnblogs.com/seniusen/p/10012656.html 图像质量评价指标常用的有PSNR 和 SSIM 一、SSIM，结构相似性 1、定义 SSIM(structural similarity index)，结构相似性，是一种衡量两幅图像相似度的指标。SSIM使用的两张图像中，一.
超分辨率重建之FSRCNN超分复现
Lininggggggg的博客
03-18 1932
我分享在github上了，如果能用好用，麻烦在github上点个star哩，哈哈谢谢！ https://github.com/Lininggggggg/SR_super_solution/tree/master/FSRCNN FSRCNN
Super-Resolution from a Single Image 的算法原理整理_初版
Lininggggggg的博客
06-02 1207
由于是从Word文档直接复制过来，其中格式如果乱码或者不通顺，请评论区告知我 后期整理的思维导图见https://blog.csdn.net/Lininggggggg/article/details/106499469 参考链接： https://www.jianshu.com/p/54b6ab49c935 http://cs.brown.edu/courses/csci1950-g/results/final/pachecoj/ 目录1、 简介2、 举例分析（问题描述）3、 两种形式的恢复第一种 Cl.
图像融合评价指标PSNR评价指标范围
最新发布
03-15
PSNR（Peak Signal-to-Noise Ratio）是一种常用的图像融合评价指标，用于衡量融合后图像与原始图像之间的相似度。PSNR的计算公式如下： PSNR = 10 * log10((MAX^2) / MSE) 其中，MAX表示图像像素值的最大可能取值（通常为255），MSE表示均方误差（Mean Squared Error），计算方式为将两幅图像对应像素值之差的平方求和后再除以像素总数。 PSNR的评价范围通常在0到无穷大之间，数值越大表示融合后图像与原始图像之间的相似度越高。一般来说，PSNR值在20以下被认为是低质量的，30-40之间是中等质量的，40以上则是高质量的。

“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
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