GitHub上图像超分开源项目推荐【持续更新】

已于 2025-05-08 10:19:02 修改
阅读量3.8k 收藏 26
点赞数 35
CC 4.0 BY-SA版权
分类专栏： 深度学习-PyTorch 视频质量评价-视频前处理 文章标签： 人工智能 深度学习 github AI 图像超分 超分 超分辨率重建
于 2024-09-23 22:39:54 首次发布
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。
本文链接：https://blog.csdn.net/yanceyxin/article/details/142468299

SRCNN

  1. 介绍：SRCNN（Super-Resolution Convolutional Neural Network）是一种用于图像超分辨率的卷积神经网络。它由Dong等人在2014年提出，是早期的深度学习方法之一，用于提高图像的分辨率。SRCNN通过学习低分辨率（LR）图像到高分辨率（HR）图像的映射关系，来重建高分辨率图像。
  2. GitHub 星数：20
  3. GitHub 地址：https://github.com/1990571096/SRCNN_Pytorch
  4. 项目地址：http://mmlab.ie.cuhk.edu.hk/projects/SRCNN.html

RAISR

  1. 介绍：RAISR（Rapid and Accurate Image Super-Resolution）是一种由Google开发的图像超分辨率技术，它利用机器学习算法来提高低分辨率图像的质量，使其看起来更加清晰和细致。这项技术可以在移动设备上实时运行，并且能够减少图像的带宽需求，从而节省数据和提高加载速度。
了解本专栏 订阅专栏 解锁全文 超级会员免费看
Python基于迁移学习的猫狗大战实战【图像二分类任务】【实测准确度超过99.5%】
Together_CZ的博客
04-03 2354
迁移学习是一种很强大的深度学习技术，在实际应用中解决图像分类等问题中效果卓越，用一句简单的话来说就是“站在巨人的肩膀山学习”，大多数针对图像分类任务而开源出来的迁移学习模型很多都是基于ImageNet数据集开发的，这些预训练的模型往往都是那些谷歌、亚马逊等大厂耗费大量的计算资源训练几周的时间跑出来的模型，在图像的特征提取计算上都有着非常不错的性能，以至于对于我们...
【图像拼接】论文精读：Leveraging Local Patch Alignment to Seam-cutting for Large Parallax Image Stitching
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】
02-10 266
论文题目：Leveraging Local Patch Alignment to Seam-cutting for Large Parallax Image Stitching —— 利用局部面片对齐到大视差图像拼接的接缝切割arXiv 2025！廖老师的最新文章！接缝切割方法在图像拼接的组成步骤中被证明是有效的，特别是对于视差的图像。然而，目前的接缝切割可以看作是图像对齐确定后的后续步骤。它的有效性通常取决于图像可以大致对齐的事实，使得局部区域存在不明显接缝的地方。