复现SwinIR: Image Restoration Using Swin Transformer

已于 2022-04-02 23:31:40 修改
阅读量1.2k 收藏 5
点赞数 1
分类专栏： 复现论文 文章标签： 深度学习 python
于 2022-04-02 23:27:07 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/weixin_44298961/article/details/123931227
版权

用他提供的colab的demo，
主页 https://colab.research.google.com/gist/JingyunLiang/a5e3e54bc9ef8d7bf594f6fee8208533/swinir-demo-on-real-world-image-sr.ipynb

把推理部分改成

!python inference_realesrgan.py --model_name RealESRGAN_x4plus.pth --input BSRGAN/testsets/RealSRSet --output results/realESRGAN --tile 800

原图
在这里插入图片描述
结果如下
在这里插入图片描述
偶然多复现了非专业的代码，用时2hours，开心

吃肉不能购
关注
  • 1
    点赞
  • 踩
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
图像超分辨率—SwinIR Transformer训练教程（使用自己的数据集，Pytorch）
hsdujdjrjrj的博客
07-11 1471
SwinIR Transformer图像超分辨率重建训练教程。
SwinIR: Image Restoration Using Swin Transformer 个人学习笔记
zhouaho2010的博客
02-22 703
https://github.com/JingyunLiang/SwinIR 摘要 图像恢复是一个长期存在的低水平视觉问题，目的是从低质量图像（例如缩小、噪声和压缩图像）中恢复高质量的图像。虽然最先进的图像恢复方法是基于卷积神经网络，但很少有人尝试用Transformers在高级视觉任务中表现出令人印象深刻的性能。本文提出了一种基于Swin Transformers的图像恢复强基线模型SwinIR。SwinIR由浅层特征提取、深度特征提取和高质量的图像重建三部分组成。特别地，深度特征提取模块由几个
【图像去噪】第七期论文复现赛——SwinIR
m0_63642362的博客
10-24 2069
第七期论文复现赛——SwinIR论文复现。请查看 Version1.2
图像恢复 SWinIR : 彻底理解论文和源代码 (注释详尽）
热门推荐
书山有路，学海无涯！
11-11 4万+
文章目录SwinIR 论文SWinIR 网络结构整体框架浅层特征提取深层特征提取图像重建模块主要代码理解SwinIRMLPPatch EmbeddingWindow Attention残差 Swin Transformer 块 (RSTB)HQ Image Reconstruction一个测试实例参考文献结语 SwinIR 论文 主要工作：将 Swin Transformer 在图像恢复中应用，降低参数量的同时取得很好的效果。 论文地址：https://arxiv.org/pdf/2108.10257.p
SwinIR: Image Restoration Using Swin Transformer
dawnyi_yang的博客
01-02 3606
摘要 图像复原的主要任务是根据低质量图像还原高质量图像。文章提出了一种基于swin Transformer的模型来对图像进行复原，该模型主要包含三个部分：浅层特征提取、深层特征提取和高质量图像重建。该模型具有更少的参数和更优的性能。 论文地址：SwinIR: Image Restoration Using Swin Transformer 模型方法 模型结构如图1。主要由三个部分组成：层特征提取、深层特征提取以及高质量图像重建模块。对于不同任务而言，所提方案的区别主要在于重建模块。 图1 网络模型结构
[2108] [ICCV 2021] SwinIR: Image Restoration Using Swin Transformer
koukouvagia的博客
04-13 2529
SwinIR: Image Restoration Using Swin Transformer
详解SwinIR的论文和代码（SwinIR: Image Restoration Using Swin Transformer）
BigerBang的博客
11-20 1405
SwinIR将Swin transformer1应用到low level领域的图像增强任务，结合卷积设计了网络结构，在以下三个任务上取得了很好的效果：图像超分辨率（包括classical、lightweight和real-world SR）、图像去噪（包括灰度图和彩色图像去噪）和 JPEG压缩失真去除。本文将结合代码对SwinIR进行详解。
SwinIR实战：详细记录SwinIR的训练过程
05-01
在写这边文章之前，我已经翻译了论文，讲解了如何使用SWinIR进行测试？ 接下来，我们讲讲如何SwinIR完成训练，有于作者训练了很多任务，我只复现其中的一种任务。
Image Restoration in Frequency Domain (Wiener filter):Image Restoration in Frequency Domain (Wiener filter)-matlab开发
05-29
使用维纳滤波器恢复退化图像； 我们假设我们现在已经降级过滤器 H
Image-Restoration.rar_image restoration_restoration
09-24
用matlab编写的用于图像恢复的程序，用到几个常用算法，简单易懂
Image-restoration.rar_image restoration_restoration
09-20
图像复原的matlab原代码，中值滤波等几种滤波器对一些噪声的去除
Image motion restoration using fractional-order gradient prior
02-10
Image motion restoration using fractional-order gradient prior
Sparse Representation based Satellite Image Restoration Using Adaptive Reciprocal Cell
02-09
Sparse Representation based Satellite Image Restoration Using Adaptive Reciprocal Cell
SwinIR_Image Restoration Using Swin Transformer论文阅读分享
qq_37937847的博客
08-31 2178
论文连接：https://arxiv.org/abs/2108.10257 Abstract 本篇文章的图像修复指的是从低质量图片恢复到高质量图片（例如超分，去噪，解压缩图片），目前主流先进的图像修复任务都是基于卷积做的，很少有人尝试用transformer做高性能的高级视觉任务。而本篇文章主要就是基于Swin_transformer做的，本方法命名为SwinIR。该方法包含三个部分：浅层特征提取器、深层特征提取器、高质量图像重建模块，针对不同的图像修任务，图像重建模块略有不同。特别的是，深层特征提取器是基
SwinIR简记
椰子奶糖的博客
01-12 934
SwinIR简记 文章目录SwinIR简记参考简述总结 快速看了一眼原文，的确是将swin transformer用到了SR，本身似乎并没有太多的亮点，但是实打实的有效～ 参考 源代码 原文 其他参考 Swin Transformer 简述 看之前我特地再去看了一下Swin Transformer的原文（笔记：Swin Transformer），然后再看这篇发现确实如开头所说 首先是模型结构： 大致分为三个部分 Shallow Feature Extraction
Transformer在图像复原领域的又一力作！ETH提出SwinIR：low-level视觉多项任务全面领先...
阿木寺的博客
08-25 5309
点击下方卡片，关注“CVer”公众号AI/CV重磅干货，第一时间送达作者丨happy转载自丨极市平台导读鲜少有工作将transformer用于图像复原方向，之前有篇：Transforme...
用GAN网络生成彩票号码
最新发布
Ephemeroptera的博客
06-11 1803
简单的gan网络实现序列预测
swinir: image restoration using swin transformer
06-06
Swin Transformer 是一种新型的 Transformer 模型，它在计算机视觉领域中表现出色。通过使用 Swin Transformer，可以实现图像恢复的任务，例如去噪、超分辨率和图像修复等。这种模型的优点在于它能够处理大尺寸的...

“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
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