图像超分辨率数据集制作问题总结，你需要注意什么？

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

文章知识点与官方知识档案匹配，可进一步学习相关知识
OpenCV技能树OpenCV中的深度学习图像分类26360 人正在系统学习中
注：本文转载自blog.csdn.net的Alocus_的文章"https://blog.csdn.net/Crystal_remember/article/details/124855012"。版权归原作者所有，此博客不拥有其著作权，亦不承担相应法律责任。如有侵权，请联系我们删除。
复制链接
相关推荐
发表评论

评论记录：

未查询到任何数据！