图像超分辨率数据集制作问题总结，你需要注意什么？

原创 已于 2023-01-06 17:06:48 修改 · 2.7k 阅读 · 30 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#计算机视觉 #深度学习 #人工智能

于 2022-05-19 05:15:15 首次发布
本文探讨了图像超分辨率数据集中的关键问题，包括降质过程的细节、MATLAB函数验证、Bicubic插值实现，重点指出测试集处理技巧——确保分辨率不被2/3/4/6整除。作者强调数据集在深度学习中的重要性，并以ESRGAN为例，展示了如何通过调整训练集和模型改进超分辨率效果。
部署运行你感兴趣的模型镜像

目录

1.背景

2.引文

3.总结：

1.背景

图像超分辨率数据集是一个需要注意的坑！

务必仔细看下面文章：

图像/视频超分之降质过程

2.引文

当你看完前文之后，文章中的引文并未给出，我找到了关键的引文

matlab_functions_verification

GitHub - xinntao/matlab_functions_verification

bicubic_pytorch

GitHub - sanghyun-son/bicubic_pytorch: A PyTorch implementation of widely-used bicubic interpolation, which is fully compatible with MATLAB.

duf_downsample：

BasicSR/data_util.py at 479ec97e8a23e49cc559c081f8ff80eac1bc5989 · XPixelGroup/BasicSR · GitHub

3.总结：

超分数据集经典测试集不能够被2/3/4/6等整除时，需要裁剪之后再生成低分辨率图像！！！

做深度学习的一个领域之前，将涉及到的数据集细节了解充分，能够少走很多弯路。数据集的重要性在深度学习中，应是放在数一数二的位置！

最近将超分辨率重建实用化的方法受到广泛关注，ESRGAN通过改造训练集降质过程和模型的小改动，效果不错。降质过程参考论文Real ESRGAN Training Real World Blind Super-Resolution with Pure Synthetic Data

您可能感兴趣的与本文相关的镜像

Qwen-Image-Edit-2509

Qwen-Image-Edit-2509

图片编辑
Qwen

Qwen-Image-Edit-2509 是阿里巴巴通义千问团队于2025年9月发布的最新图像编辑AI模型，主要支持多图编辑，包括“人物+人物”、“人物+商品”等组合玩法

【超分辨率（Super-Resolution）】关于【超分辨率重建】专栏的相关说明，包含专栏简介、专栏亮点、适配人群、相关说明、阅读顺序、超分理解、实现流程、研究方向、论文代码数据集汇总等
主要更新底层视觉（去噪、超分等）相关的科研内容，形式为【论文精读】+【论文复现】
03-25 3万+
本专栏研究领域为【超分辨率重建】，涵盖图像超分、视频超分，实时超分，4K修复等方面。主要内容包括主流算法模型的论文精读、论文复现、毕业设计、涨点手段、调参技巧、论文写作、应用落地等方面。算法模型从SRCNN开始更新至今，一般是一篇论文精读对应一篇论文复现。论文精读详解理论，归化繁为简，归纳核心，积累词句，培养阅读论文和论文写作能力。论文复现依托Pytorch代码，实现完整的模型训练流程，总结调参方法，记录碰到的bug，论文插图可视化，培养读写代码能力、做实验的能力、以及应用落地能力。
【图像超分】SR常用数据集的下载、处理、使用、说明、文件结构、参考文献引用（持续更新）
最新发布
主要更新底层视觉（去噪、超分等）相关的科研内容，形式为【论文精读】+【论文复现】
05-16 1927
本文介绍了超分辨率重建领域常用的训练集和测试集，重点描述了DIV2K和DF2K数据集的结构、下载方式及处理流程。DIV2K包含800张训练图像，通常与Flickr2K结合形成DF2K数据集，共3450张图像。处理后的图像块用于训练，文件结构清晰。测试集包括Set5、Set14、BSD100、Urban100和Manga109，提供了下载链接和引用信息。文章还提到不同裁剪方式对指标的影响，建议使用原版benchmark以确保公平比较。
图像超分辨率重建数据集
05-19
内含Set5,Set14,91image,General-100,BSD100(test),BSD200(train),BSD500等常见超分辨率重建数据集
超分辨率等图像处理 ，set5数据集
06-27
Set5数据集，是图像数据处理常用的一个数据集，需要的可以来下载。
超分辨图像重建数据集(Set5,Set14,BSD100,URBAN100,MANGA109,DIV2K)共204M
07-09
超分辨图像重建数据集：包括训练集，训练集DIV2K有7G(提供下载地址)，5个测试集Set5，Set14，BSD100，URBAN100，MANGA109
超分辨率重建数据集制作：生成低分辨率数据集
Alocus的博客
02-12 1万+
背景 超分辨率重建任务需要高清和对应的低质图像。由于需要自己制作超分辨率重建数据集，需要将高分辨率图像按照公认的方式（DIV2k）制作为低分辨率图像，我根据网上代码进行了改造 可运行代码如下： 代码 import os import argparse import cv2 #parse args parser = argparse.ArgumentParser(description='Downsize images at 2x using bicubic interpolation') par
深度学习数据集封装-----图像超分（SR）
2301_79445047的博客
03-05 308
在前几篇博客中，我们由浅入深地探讨了传统计算机视觉任务的数据集封装，从简单到复杂逐步展开。今天，我们将目光转向一个相对小众但极具挑战性的计算机视觉任务——图像超分辨率恢复。虽然它属于低级计算机视觉任务，但在代码量和代码难度上并不逊色于其他任务。图像超分辨率恢复的核心目标是从低分辨率图像中恢复出高分辨率图像的细节，这一过程需要对图像的退化模型、特征提取和重建算法有深入的理解。与目标检测等任务不同，超分辨率任务在数据预处理阶段就需要考虑更多细节。
精选资源
图像超分辨率算法EDSR的Pytorch版本复现代码，适合新手，修改后无bug，含制作好的h5数据集和最优PSNR的模型权重文件
04-12
data：数据集和生成h5数据集的matlab文件 Set5：测试集Set5（matlab生成的.mat格式，不用matlab生成这个格式计算的PSNR有偏差，这样最准） dataset.py：将h5数据集转成Tensor格式，作为DataLoader的输入 edsr.py：...
精选资源
Urban100 超分辨率重建数据集.7z
07-13
《Urban100超分辨率重建数据集：探索与应用》 在计算机视觉领域，超分辨率重建（Super-Resolution Reconstruction, SRR）是一项重要的技术，它致力于提升低分辨率（Low-Resolution, LR）图像到高分辨率（High-...
制作遥感图像超分辨率数据集（下采样4倍）
热爱分享，热爱记录
02-24 1119
【代码】制作遥感图像超分辨率数据集（下采样4倍）
SRCNN图像超分CNN
01-23
CNN用于图像超分辨率的开山之作，代码是基于Caffe写的，可方便用在图像超分应用中
超分测试数据集-2、3、4、8倍重建
08-08
总共五个超分重建的测试数据集，BSD100、set5、set14、Sun-Hays80、Urban100；大家酌情下载就好，没有积分的话，可以私信我，我发给你们也可以的！
基于深度学习的图像超分辨率（paper集）
10-18
学习笔记之——基于深度学习的图像超分辨率这篇博文的paper集合，都是从网上download下来的原文，虽然博文中也给出了链接，为方便读者阅读，将paper原文打包在此
超分辨率常用数据集(Set5, Set14, BSD100, BSDS200, BSDS300, BSDS500, 91-images,General-100,
03-18
超分辨率常用数据集,包含数据增强方法和以下数据集：Set5, Set14, BSD100, BSDS200, BSDS300, BSDS500, 91-images,General-100, Manga109, Urban100, historical
图像处理超分辨率重建测试集Set5-234倍
01-06
图像处理(image processing)，用计算机对图像进行分析，以达到所需结果的技术。又称影像处理。图像处理一般指数字图像处理。数字图像是指用工业相机、摄像机、扫描仪等设备经过拍摄得到的一个大的二维数组，该数组的元素称为像素，其值称为灰度值。图像处理技术一般包括图像压缩，增强和复原，匹配、描述和识别3个部分。
精选资源
深度学习（图像模型）：颈动脉超声图像的医学影像数据集
04-11
数据集是一个包含颈动脉超声图像的医学影像数据集，主要用于研究和开发颈动脉图像分割、测量以及疾病诊断算法。这些数据集通常用于支持相关的医学研究，例如评估计算机化测量系统在颈动脉内膜中层厚度（CIMT）测量中...
精选资源
医学图像目标检测数据集：肺结节CT图像目标检测数据集（VOC标注格式的xml文件）
03-15
项目包含：肺结节CT图像目标检测数据集（VOC标注格式的xml文件），数据保存按照文件夹保存，经测试，可直接用作目标检测数据集，无需额外处理。 图像分辨率为512*512的RGB图片，为单类别的肺结节CT图像目标检测数据...
图像超分辨率重建相关概念、评价指标、数据集、模型
热门推荐
a486259的博客
05-20 1万+
超分辨率（Super-Resolution），简称超分（SR）。是指利用光学及其相关光学知识，根据已知图像信息恢复图像细节和其他数据信息的过程，简单来说就是增大图像的分辨率，使图像更加“清晰”，尽可能保证图像质量不下降。超分辨率的方法包括传统方法和深度学习的方法，有关超分辨率方法分类如下图所示。深度学习方法在性能上远远领先于传统方法，有着更好的图像超分辨率表现。知乎用户 阿布的足迹​ https://zhuanlan.zhihu.com/p/558813267从单一低分辨率图像中恢复高分辨率图像。
超分辨率重建数据集制作：裁剪过滤
Alocus的博客
02-12 2248
背景 由于获取到的高分辨率图像尺寸不一，不符合公认的要求，因此我对图像进行了裁剪过滤，代码如下 代码 #coding=utf-8 from PIL import Image import random import os dirs = r'C:\Users\Administrator\Desktop\敦煌超分\数据集' result_dir = r'C:\Users\Administrator\Desktop\敦煌超分\数据集2' name= [] num = 1 list = os.listdir
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Alocus_

如果我的内容帮助到你，打赏我吧

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值