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
- 需求:
- 安装 PyTorch (测试基于 0.4.0 和 0.4.1).
- 下载/克隆 EDSR-Pytorch 作为训练框架
- 训练和验证:
- 复制这两个文件 wdsr_a.py, wdsr_b.py 到
EDSR-PyTorch/src/model/. - 修改
EDSR-PyTorch/src/option.py和EDSR-PyTorch/src/demo.sh以支持--n_feats, --block_feats选项. - 启动训练。
- 复制这两个文件 wdsr_a.py, wdsr_b.py 到
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。
本站微信群、QQ群(三群号 726282629)：
