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。
图解服务器端网络架构
[日] 宫田宽士 / 曾薇薇 / 人民邮电出版社 / 2015-4 / 79.00元
本书以图配文,详细说明了服务器端网络架构的基础技术和设计要点。基础设计是服务器端网络架构最重要的一个阶段。本书就立足于基础设计的设计细分项目,详细介绍各细分项目的相关技术和设计要点。全书共分为5章,分别讲述进行物理设计、逻辑设计、安全设计和负载均衡设计、高可用性设计以及管理设计时所必需的技术和设计要点。一起来看看 《图解服务器端网络架构》 这本书的介绍吧!