"Single image super-resolution based on directional variance attention network"

代码地址：

GitHub - pbehjatii/DiVANet: PyTorch implementation of Single image super-resolution based on directional variance attention network (Pattern Recognition2022)

论文地址：

https://www.sciencedirect.com/science/article/pii/S0031320322004770?dgcid=author

0 环境搭建：

• Python 3

• PyTorch (0.4.0), torchvision

• Numpy, Scipy

• Pillow, Scikit-image

• h5py

• importlib

• adamp  # 这个是代码地址没提到的，但是要装上

• tensorboardX  # 这个是代码地址没提到的，但是要装上

1 数据集制作：

1.1 按照这个模板搭建文件夹，

dataset

└── DIV2K

    ├── DIV2K_train_HR

    ├── DIV2K_train_LR_bicubic

    ├── DIV2K_valid_HR

    └── DIV2K_valid_LR_bicubic

  数据集HR部分可以直接放HR图片，但是LR部分要按照x2，x3，x4的LR图像大小放，x4代表同一个HR图像对应的4倍小的LR，按照这个设置数据集，下面部分如果跟这个有冲突，以这个为准！

1.2 div2h5.py 修改

  按照下图修改即可，注意我只用了x4的LR数据集，如果要用别的大小的数据集，则要改对应的for subdir in ["HR",  改这里！！ ]:

1.3 终端（termianl）输入：python div2h5.py

  输入完后就出现如下部分，这一部分加载HR图像，然后加载完后会加载LR图像。如果按照1.2部分左边设置数据集的文件夹，就只会加载HR，不会加载LR！！

  生成一个h5后缀的文件！！

2.训练

2.1 train.py改代码

2.2 终端输入：python train.py

出现上图错误，把shuffle=false

设置的100次迭代就打印信息并保存权重

3.测试：

3.1 sample.py改代码

改dataset.py的代码并且与测试数据集对应，测试数据集可以改为下图所示：

测试数据集图片添加_HR代码：

import os
folder_path = r"F:\pythondata\DiVANet-main\dataset\Set14\LR"  # 指定文件夹路径（改路径就可以了）
for filename in os.listdir(folder_path):  # 遍历文件夹下所有文件
   if filename.endswith((".jpg", ".png")):  # 只处理图片文件
       old_path = os.path.join(folder_path, filename)  # 构造旧文件路径
       # 添加的内容
       new_name = filename.split(".")[0] + "_LR." + filename.split(".")[1]  # 构造新文件名
       new_path = os.path.join(folder_path, new_name)  # 构造新文件路径
       os.rename(old_path, new_path)  # 重命名文件

3.2 终端输入 python sample.py

完结，如果知道咋在训练文件下面验证的麻烦告诉我，感恩！