FSRCNN超分辨率复现问题记录

最新推荐文章于 2023-08-21 18:46:06 发布
最新推荐文章于 2023-08-21 18:46:06 发布
阅读量262 收藏
点赞数
分类专栏： 图像算法笔记 文章标签： 深度学习 pytorch 神经网络
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/sinat_29018995/article/details/120145923
版权

1.生成训练集时，不可将图像过分缩小，这样会导致细节消失，属于让网络无中生有，生成的效果很差，难以将细线复原得很顺滑

2.损失函数不要用MSE，MSE容易导致图像边缘模糊，后面改用SmoothL1Loss后提升明显

3.增加网络的层数是一个容易达到目标的方法，但是对于工程来说可能并不是最好的方法

4.处理学习率使用CosineAnnealingLR和ReduceLROnPlateau，感觉效果都不错

5.Loss在训练后期看似变化不大，但实际上其均值还在稳步下降，并且此时每一点的进步都是至关重要的。我的理解为：占图像大部分区域的其实只是色块而已，而真正影响图像清晰度判断的是图像的线条和边缘，这些在损失中只占很小的比重，因此这部分进步看起来非常细小

进不去
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
【图像超分】论文复现：Pytorch实现FSRCNN！整合到SRCNN项目中！提供完整代码和最优权重模型(x2、x3、x4)！科研级论文曲线图！计算平均PSNR和SSIM！
畅游计算机视觉的海洋
05-21 98
上一篇文章我们用python项目的形式重新复现了SRCNN，本文我们将以相同形式重新复现FSRCNN。与复现SRCNN不同，本文我们将在SRCNN的项目代码中添加FSRCNN，以便未来将模型都整合在一个项目中，不用再一个一个项目打开测试模型了，提高效率。【图像超分】论文复现：Pytorch实现SRCNN！保姆级复现教程！提供完整代码和最优权重模型(x2、x3、x4)！科研级论文曲线图！计算平均PSNR和SSIM！代码Windows和Linux都可用！
文章复现：超分辨率网络FSRCNN
qq_41387508的博客
07-27 1086
SRCNN通过三个卷积层来完成对图像的超分，也就是特征提取、特征映射和图像重建。 但是其输入需要预先插值为目标尺寸，在速度上有一定的缺陷，难以应用到实时的研究中，因此Dong等人（SRCNN的第一作者）又改进了SRCNN，于是有了FSRCNN，其中的F代表Fast。 原文摘要 As a successful deep model applied in image super-resolution (SR), the Super-Resolution Convolutional Neural Networ
加速图像超分辨率重建的卷积神经网络（FSRCNN）
qq_31263401的博客
06-23 5621
1 介绍 图像超分辨率重建是指通过低分辨率图像或图像序列恢复出高分辨率图像。高分辨率图像意味着图像具有更多的细节信息、更细腻的画质，这些细节在高清电视、医学成像、遥感卫星成像等领域有着重要的应用价值。Super-Resolution Convolutional Neural Network：本篇文章讲述的是深度学习在图像超分辨率重建问题的开山之作SRCNN(Super-Resolution Con...
超分辨率重建之FSRCNN超分复现
Lininggggggg的博客
03-18 1970
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
【超分辨率】SRCNN论文复现
最新发布
m0_46059481的博客
08-21 1878
超分辨率卷积神经网络（SRCNN）是一种经典的用于图像超分辨率重建的深度学习模型。本文使用PyTorch框架进行复现。
【超分辨】FSRCNN模型的Pytorch实现
微小冷的学习笔记
05-10 1791
原文地址：Accelerating the Super-Resolution Convolutional Neural Network SRCNN：超分辨网络SRCNN的Pytorch实现 概述 FSRCNN，即Fast SRCNN，可见这个算法和SRCNN相比应该是在速度上做了优化。 在训练模型的过程中，SRCNN需要先将LR(低分辨率)图片通过双三次插值，变成HR(高分辨率)图片，这个过程随着放大倍数变大而变得十分耗时。 FSRCNN正是着眼于此，取消了双三次插值，代之以5×55\times55×5的卷
一文掌握图像超分辨率重建（算法原理、Pytorch实现）——含完整代码和数据
热门推荐
钱彬的博客
02-26 15万+
Photo-Realistic Single Image Super-Resolution Using a Generative Adversarial Network
超分辨率重建测试（DASR）
qq_20373723的博客
10-22 3354
测试链接：GitHub - LongguangWang/DASR: [CVPR 2021] Unsupervised Degradation Representation Learning for Blind Super-Resolutionhttps://github.com/LongguangWang/DASR 0.环境 windows10系统，python3.7.0，我这个是pytorch的虚拟环境，我这边基环境是CUDA11.1，python3.7.3，为了不破坏原有环境，建议你们也装虚拟环境.
文章复现：超分辨率网络-VDSR
qq_41387508的博客
08-04 2054
VDSR全称Very Deep Super Resolution，意思就是非常深的超分辨率网络（相比于SRCNN的3层网络结构），一共有20层，其文章见参考链接【1】。 摘要 We present a highly accurate single-image super-resolution (SR) method. Our method uses a very deep con-volutional network inspired by VGG-net used for ImageNet clas
深度学习超分辨率重建 DRCN网络复现
12-02
通过深入研究这个复现项目，读者不仅可以了解DRCN的工作原理，还能掌握如何在TensorFlow框架下实现深度学习模型，以及如何处理超分辨率问题。对于进一步研究和开发新的超分辨率模型，或者将类似思路应用到其他图像...
数字图像处理大作业-超分辨率算法复现.zip
11-27
数字图像处理大作业——超分辨率算法复现.zip数字图像处理大作业——超分辨率算法复现.zip数字图像处理大作业——超分辨率算法复现.zip数字图像处理大作业——超分辨率算法复现.zip数字图像处理大作业——超分辨率...
【代码】移动端超分辨率的代码复现（pytorch）（Mobile AI Challenge冠军方案）
07-23
Real-Time Single-Image Super Resolution for Mobile Devices》移动端超分辨率论文复现，该论文方案为CVPR举办的Mobile AI Challenge 2021比赛的冠军方案，实现了在移动设备上的实时推理，模型符合超轻量级（模型...
细节增强的matlab代码-SRFBN:图像超分辨率复现
05-27
细节增强的matlab代码图像超分辨率反馈网络 更新：我们建议的门控多反馈网络（GMFN）将出现在BMVC2019中。 “通过两个时间步长，每个时间步长包含7个RDB，与包括RDN的最新图像SR方法（其中包含16个RDB）相比，所提出...
数字图像处理大作业：超分辨率算法复现
06-04
本项目聚焦于超分辨率算法的复现，主要使用MATLAB编程环境进行实现。 超分辨率算法的目的是在不增加额外信息的情况下，通过对现有像素的重新排列和插值来提高图像的分辨率。常见的超分辨率技术有基于插值的方法、...
分水岭算法的python实现及解析
sinat_29018995的博客
03-29 1万+
1 算法简介 分水岭算法的原理很容易查到，就是往山谷中注水，把不同湖水接触的位置称作分水岭，这么做的结果有两个： 1.得到整个区域的分界线 2.把整个区域编号 这是一种很容易过分割的算法，需要一些预处理手段和一些优化，本文只解析基本原理 （下图的注水过程是一种基于人为标记的方法） 2 代码步骤说明 分水岭算法的步骤如下： 1.将图像的所有像素按像素值从小到大排序，这里可以利用直方图将像素信息塞入数组 2.开始按灰度级从小到大顺序遍历所有像素，先将该灰度级的全部像素标记为待计算点，若点的邻域内有已存在的水池
OTSU图像分割算法（python实现）
sinat_29018995的博客
02-27 9156
OTSU图像分割算法（python实现）
霍夫曼圆形检测，matlab实现
sinat_29018995的博客
04-06 7462
霍夫曼圆检测是一种检测圆形图像的方法
BM3D算法半解，带python代码
sinat_29018995的博客
02-20 5928
1.思路 BM3D和NLM算法有一些相似之处，NLM的文章之前有写过：前往 他们都是用图像其他区域的特征与当前块特征融合成去噪后的图像块，主要的不同之处在以下几点： 1.只在固定半径内搜索 2.把有限个最相似的块叠成三维数组，先对图像块做水平方向上的2D的正交变换，再做纵向1D的正交变换（称为协同滤波（Collaborative Filtering）） 第一点很好理解，就是减少了计算量，因为噪声在空间上是独立的，所以在单幅图片的情况下，仍然需要使用其它区域的相似图像...
图像超分辨率重建python复现
05-05
图像超分辨率重建是指将低分辨率图像通过算法处理，得到高分辨率图像的过程。以下是一个基于Python的图像超分辨率重建的简单实现： 首先，我们需要导入一些必要的库： ```python import numpy as np import cv2 ...
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

进不去

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