SR
文章平均质量分 65
白水煮青蛙
这个作者很懒,什么都没留下…
展开
-
《Learning Parallax Attention for Stereo Image Super-Resolution》阅读笔记
Learning Parallax Attention for Stereo Image Super-Resolution论文补充材料源代码一. 整体网络框架PASSRnet1.模型PASSRnet容易理解,主要包含两个模块:ASPP module + PAM。详细结构如下图所示。2.模型的输入为一对LR图像(分为左视图+右视图),模型的输出为一张SR图像(对应于左视图)。3.ASPP module残差连接的ASPP的主要作用:增大卷积的感受野,并提取具有密集像素采样率和尺度的层次特征。原创 2022-02-13 15:38:17 · 1511 阅读 · 0 评论 -
验证pixelshuffle函数
ESPCN中pixelshuffle像素排列ESPCN中用到了pixelshuffle函数,但为了保险起见,我们还是需要用简单的数来验证下像素点的排列是否与我们想的一致。以scale=2为例子,采用了像素点全为0.4,0.5,0.6,0.7的size=55四张图片,观察pixelshuffle后1010图片的像素点排列。import torchimport torch.nn as nn#####################################验证pixelshuffle函数是原创 2021-01-13 10:35:58 · 398 阅读 · 0 评论