0°
PyTorch入门实战教程

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

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

NetworkParametersDIV2K (val) PSNR
EDSR Baseline1,372,31834.61
WDSR Baseline1,190,10034.77

 

更多结果:

Number of Residual Blocks13
SR NetworkEDSRWDSR-AWDSR-BEDSRWDSR-AWDSR-B
Parameters2.6M0.8M0.8M4.1M2.3M2.3M
DIV2K (val) PSNR33.21033.32333.43434.04334.16334.205

 

Number of Residual Blocks58
SR NetworkEDSRWDSR-AWDSR-BEDSRWDSR-AWDSR-B
Parameters5.6M3.7M3.7M7.8M6.0M6.0M
DIV2K (val) PSNR34.28434.38834.40934.45734.54134.536

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
0 条回复 A 作者 M 管理员
    所有的伟大,都源于一个勇敢的开始!
欢迎您,新朋友,感谢参与互动!欢迎您 {{author}},您在本站有{{commentsCount}}条评论