内容简介：(欢迎关注“我爱计算机视觉”公众号，一个有价值有深度的公众号~)CVPR 2018 Workshop NTIRE2018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。
(欢迎关注“我爱计算机视觉”公众号，一个有价值有深度的公众号~)
CVPR 2018 Workshop NTIRE2018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》，
作者信息：
其建构于超分辨EDSR算法，亦即NTIRE2017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。
请看下面图示，
与原始EDSR算法相比，该优胜方案WDSR算法增大了ReLU前的卷积特征图，减小了identity mapping pathway的宽度（图中Add所在框变小）。
通过上述操作，在降低参数量的同时，提高了超分辨率的精度。
作者提出的两种WDSR的形式WDSR-A与WDSR-B:
WDSR-A特征图宽度（2X到4X）,WDSR-B使用线性低秩卷积栈（linear low-rank convolution stack）和更宽的特征图（6X到9X），可以使得WDSR-B在保持更高精度的同时不增加计算量。
网络架构：
实验结果
在DIV2K数据库上与EDSR的比较：
NTIRE2018公布的比赛结果：
图中UIUC-IFP团队即优胜团队，PDN在Track 4中排名第一，但组织者称“PDN ranked 1st on Track 4, however, without submitted results for the other tracks we cannot tell if their solution/architecture is better than that of UIUC-IFP.”
代码主页：
https://github.com/JiahuiYu/wdsr_ntire2018
论文：
https://arxiv.org/abs/1808.08718v1
在“我爱计算机视觉”公众号对话界面回复WDSR，即可收到论文和代码的百度云下载地址。
更过精彩推荐：
OpenCV深度学习文本检测示例程序（EAST text detector）
ECCV18 Oral | CornerNet目标检测开启预测“边界框”到预测“点对”的新思路
(欢迎关注“我爱计算机视觉”公众号，一个有价值有深度的公众号~)
【本文由“我爱计算机视觉”发布,2018年08月29日】
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持 码农网
猜你喜欢:
- 雷军强推：小米造最强超分辨率算法，现已开源
- CVPR 2019 | 国防科大提出双目超分辨算法，效果优异代码已开源
- 小米开源 FALSR 算法：快速精确轻量级的超分辨率模型
- CVPR 2019 | 告别低分辨率网络，微软提出高分辨率深度神经网络HRNet
- Flutter图片分辨率适配
- Kali Linux 自定义分辨率
本站部分资源来源于网络，本站转载出于传递更多信息之目的，版权归原作者或者来源机构所有，如转载稿涉及版权问题，请联系我们。
Linux内核完全剖析
赵炯 / 机械工业出版社 / 2008.10 / 99.00元
本书对早期Linux内核（v0.12）全部代码文件进行了详细、全面的注释和说明，旨在帮助读者用较短的时间对Linux的工作机理获得全面而深刻的理解，为进一步学习和研究Linux打下坚实的基础。虽然选择的版本较低，但该内核已能够正常编译运行，并且其中已包括了Linux工作原理的精髓。书中首先以Linux源代码版本的变迁为主线，介绍了Linux的历史，同时着重说明了各个内核版本的主要区别和改进，给出了......一起来看看 《Linux内核完全剖析》 这本书的介绍吧!
