您的位置 首页 PyTorch 项目

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

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

发表评论

电子邮件地址不会被公开。 必填项已用*标注

返回顶部