CVPR NTIRE 2018 超分辨比赛第一名 作者开源 PyTorch 实现

PyTorch入门实战教程

CVPR 2018 Workshop NTIRE 2018 图像超分辨率的优胜方案开源了!该算法在 NTIRE2018 所有三个realistic赛道中全部获得第一名!

作者昨天在 arXiv 上传技术报告公开了技术方案并开源了 PyTorch 代码,论文名称《Wide Activation for Efficient and Accurate Image Super-Resolution》,代码地址见文末链接。其建构于超分辨 EDSR 算法,亦即 NTIRE 2017 年的冠军模型,最主要的改进是在残差模块中 ReLU 激活函数前增大特征图。

运行

  1. 需求:
    1. 安装 PyTorch (测试基于 0.4.0 和 0.4.1).
    2. 下载/克隆 EDSR-Pytorch 作为训练框架
  2. 训练和验证:
    1. 复制这两个文件 wdsr_a.py, wdsr_b.py 到 EDSR-PyTorch/src/model/.
    2. 修改 EDSR-PyTorch/src/option.py 和 EDSR-PyTorch/src/demo.sh 以支持 --n_feats, --block_feats 选项.
    3. 启动训练。

运行结果

Network Parameters DIV2K (val) PSNR
EDSR Baseline 1,372,318 34.61
WDSR Baseline 1,190,100 34.77

 

更多结果:

Number of Residual Blocks 1 3
SR Network EDSR WDSR-A WDSR-B EDSR WDSR-A WDSR-B
Parameters 2.6M 0.8M 0.8M 4.1M 2.3M 2.3M
DIV2K (val) PSNR 33.210 33.323 33.434 34.043 34.163 34.205

 

Number of Residual Blocks 5 8
SR Network EDSR WDSR-A WDSR-B EDSR WDSR-A WDSR-B
Parameters 5.6M 3.7M 3.7M 7.8M 6.0M 6.0M
DIV2K (val) PSNR 34.284 34.388 34.409 34.457 34.541 34.536

WDSR Network Architecture

PyTorch 代码地址

作者开源了代码实现,基于 PyTorch,地址是 https://github.com/JiahuiYu/wdsr_ntire2018

PyTorch入门实战教程
除特别注明外,本站所有文章均为 PyTorch 中文网原创,转载请注明出处:https://www.pytorchtutorial.com/cvpr-ntire-2018-image-super-resolution/

Leave a Reply

Your email address will not be published. Required fields are marked *

返回顶部