SRFBN的PyTorch实现

SRFBN的PyTorch实现

源码：https://github.com/Paper99/SRFBN_CVPR19

依赖项：

• Python 3 (Anaconda is recommended)
• skimage
• imageio
• Pytorch (Pytorch version >=0.4.1 is recommended)
• tqdm
• pandas
• cv2 (pip install opencv-python)
• Matlab

目录

1 用现有模型测试

1.1 快速测试

1.2 测试标准的 SRbenchmark 和自己的图像

2 训练模型测试自己的数据集

2.1 生成训练、验证数据集训练模型

2.2 测试自己的数据集

---

 

1 用现有模型测试

1.1 快速测试

1.1.1 下载项目。

git clone https://github.com/Paper99/SRFBN_CVPR19.git

 

1.1.2 下载预训练模型，解压缩模型并将它们放到 ./models 中。

SRFBN-百度云盘

SRFBN-S-百度云盘

 

1.1.3 在 SRFBN_CVPR19-master 目录下，运行以下命令之一，在Set5上进行评估。

# SRFBN
python test.py -opt options/test/test_SRFBN_x2_BI.json
python test.py -opt options/test/test_SRFBN_x3_BI.json
python test.py -opt options/test/test_SRFBN_x4_BI.json
python test.py -opt options/test/test_SRFBN_x3_BD.json
python test.py -opt options/test/test_SRFBN_x3_DN.json

# SRFBN-S
python test.py -opt options/test/test_SRFBN-S_x2_BI.json
python test.py -opt options/test/test_SRFBN-S_x3_BI.json
python test.py -opt options/test/test_SRFBN-S_x4_BI.json

例如：运行 python test.py -opt options/test/test_SRFBN_x2_BI.json （红框中参数可对应修改）。结果保存在 ./results/SR/BI/SRFBN/Set5/x2 中。Set5 的 PSNR/SSIM 值显示在屏幕上。

 

 

1.2 测试标准的 SRbenchma