潍坊建站模板搭建,wordpress 菜单链接,网络推广工作具体需要做些什么,全网推广系统点击上方“算法猿的成长“#xff0c;关注公众号#xff0c;选择加“星标“或“置顶”总第 145 篇文章#xff0c;本文大约 2100 字#xff0c;阅读大约需要 7 分钟前言今天要介绍的是 Github 上一个基于深度学习的超分辨率工具--SRZoo#xff0c;并且它还提供了多个预训练… 点击上方“算法猿的成长“关注公众号选择加“星标“或“置顶”总第 145 篇文章本文大约 2100 字阅读大约需要 7 分钟前言今天要介绍的是 Github 上一个基于深度学习的超分辨率工具--SRZoo并且它还提供了多个预训练模型。Github 地址https://github.com/idearibosome/srzoo?u2181051220m4512180215508847cu2181051220ru1402400261rm4512148967116203简介SRZoo 是一个基于深度学习的图像超分辨率的工具和模型库它提供了多种图像超分辨率领域目前性能最好的预训练模型。它的主要功能包括SRZoo 提供了多种超分辨率方法的官方预训练模型通过 SRZoo可以非常容易就通过提供的超分辨率方法来获取超分辨率(super-resolved)的图片可以在不同配置环境下使用超分辨率模型比如支持 CUDA 的 GPUs 以及通过 TensorFlow.js 的浏览器可以在相同评估标准和环境下对比超分辨率方法的性能。在下面这篇论文中你可以了解更多我们的动机以及一些对 SRZoo 的细节描述比如性能比较等J.-H. Choi, J.-H. Kim, J.-S. Lee. SRZoo: an integrated repository for super-resolution using deep learning. IEEE International Conference on Acoustics, Speech, and Signal Processing (ICASSP), May 2020
论文地址https://doi.org/10.1109/ICASSP40776.2020.9054533arxiv 的地址https://arxiv.org/abs/2006.01339使用要求Python3.6 或者更新的版本TensorFlow1.12 或者更新版本预训练的超分辨率模型下面是提供的一些预训练模型模型的参数都在自模型算法的作者。如果你有用到这些模型算法请加上对论文的引用。超分辨率图片检索在 SRZoo 中通过 get_sr.py 代码提供了一个简单的图像搜索使用例子python get_sr.py --config_pathconfigs/edsr.json --model_pathedsr_x4.pb --input_pathLR --output_pathSR --scale4
参数说明config_path模型配置文件路径model_path预训练模型文件路径input_path输入的低分辨率图片的路径output_path输出的超分辨率图片的保存路径scale提高的倍数self_ensemble 指定是否应用 geometric self-ensemble 方法http://openaccess.thecvf.com/content_cvpr_2017_workshops/w12/papers/Lim_Enhanced_Deep_Residual_CVPR_2017_paper.pdfcuda_device 指定采用的 GPU 设备索引需要将环境变量设置为 CUDA_VISIBLE_DEVICE)注意部分模型由于不同维度顺序问题只能在 GPU 上运行。性能评价在获取到超分辨率图片后可以通过代码evaluate_sr.py 进行性能的评价使用例子python evaluate_sr.py --sr_pathSR --truth_pathHR
参数说明sr_path超分辨率图片路径truth_path真实图片的路径shave_borders图像边界需要修正的像素的数量。通常设置为增大尺寸的倍数(upscaling factor)color_mode颜色转换模式。ycbcryYCbCr 颜色空间的 Y 通道RGBRGB 颜色空间的 RGB 通道evaluators以逗号分隔的评估方法。主要采用文件夹evaluators 里的评估方法output_name:输出的 CSV 文件的路径这里你可以自定义自己的评估方法通过继承基类BaseEvaluator 代码是保存在文件夹evaluators/。模型转换也可以对其他预训练的超分辨率模型进行转换。详情可以查看文件夹converter 中的信息。另外根据config 文件夹的内容来编写你需要进行转换的模型的配置信息。其他图像降低(downscaling)工具SRZoo 对于评估超分辨率模型也提供了降低工具(downscaling utilities)具体可以查看 utils/downscale 文件夹采用其他的图像处理模型SRZoo 可以应用于输入输出都是图像的模型因此也可以在简单做了一些修改后应该其他的图像处理算法。作为一个概念验证我们提供了一个基于 SRZoo 的预训练图像压缩模型模型算法来自https://github.com/fab-jul/imgcomp-cvpr使用结果如果要应用这些模型可以简单地将 upscaling factor 设置为 1比如get_sr.py 中的参数--scale。不过目前只支持在 GPU上运行这些模型。最近滴滴云推出了多个基于 NVIDIA vGPU 的新型实例包括计算型、渲染型和游戏型三大类支持的 GPU包括 Tesla P4、P40、T4 等可以选择包年、包月或者按照小时购买使用时间非常灵活方便。现在填写我的滴滴云专属 AI 大师码9192可以享受 9 折优惠。滴滴云官网地址www.didiyun.com精选AI文章1. 2020年计算机视觉学习指南2. 是选择Keras还是PyTorch开始你的深度学习之旅呢3. 编写高效的PyTorch代码技巧上4. 编写高效的PyTorch代码技巧下5. 深度学习算法简要综述(上)6. 深度学习算法简要综述(下)7. 10个实用的机器学习建议8. 实战|手把手教你训练一个基于Keras的多标签图像分类器精选python文章1. python数据模型2. python版代码整洁之道3. 快速入门 Jupyter notebook4. Jupyter 进阶教程5. 10个高效的pandas技巧精选教程资源文章1. [资源分享] TensorFlow 官方中文版教程来了2. [资源]推荐一些Python书籍和教程入门和进阶的都有3. [Github项目推荐] 推荐三个助你更好利用Github的工具4. Github上的各大高校资料以及国外公开课视频5. GitHub上有哪些比较好的计算机视觉/机器视觉的项目欢迎关注我的微信公众号--算法猿的成长或者扫描下方的二维码大家一起交流学习和进步 如果觉得不错在看、转发就是对小编的一个支持
