【亲测免费】 SRCNN PyTorch代码及数据集

简介

本资源文件提供了基于PyTorch实现的SRCNN（Super-Resolution Convolutional Neural Network）代码，附带详细的注释和数据集。SRCNN是一种用于图像超分辨率的深度学习模型，能够将低分辨率图像转换为高分辨率图像。

内容概述

1. 代码结构：

   • prepare.py：数据集预处理脚本，将图像数据转换为h5格式。
   • train.py：模型训练脚本，包含训练过程的详细注释。
   • test.py：模型测试脚本，用于评估模型性能。
   • model.py：SRCNN模型定义脚本。
   • utils.py：辅助函数脚本，包含数据处理和评估指标计算等功能。

2. 数据集：

   • 提供了img-91作为训练集，Set5作为测试集。
   • 数据集已转换为h5格式，方便直接用于训练和测试。

3. 使用说明：

   • 运行prepare.py进行数据集预处理。
   • 运行train.py开始模型训练。
   • 运行test.py进行模型测试和结果评估。

依赖环境

• Python 3.x
• PyTorch
• NumPy
• h5py
• PIL (Pillow)

安装与运行

1. 克隆仓库到本地：

   git clone https://github.com/your-repo/srcnn-pytorch.git
   cd srcnn-pytorch
   

2. 安装依赖：

   pip install -r requirements.txt
   

3. 运行数据预处理：

   python prepare.py --images-dir path/to/images --output-path path/to/output
   

4. 开始训练：

   python train.py --train-file path/to/train.h5 --eval-file path/to/eval.h5 --outputs-dir path/to/outputs
   

5. 进行测试：

   python test.py --image-file path/to/image --model-file path/to/model.pth --scale 4
   

结果展示

通过运行test.py，可以生成两张图片进行对比：

• (a) 原图
• (b) 双三次插值（Bicubic）
• (c) SRCNN超分辨率结果

贡献

欢迎提交问题和改进建议，共同完善本项目。

许可证

本项目遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接和本声明。