高光谱图像融合超分辨率、全色锐化PyTorch工具箱--HIFToolBox

本文主要是介绍高光谱图像融合超分辨率、全色锐化PyTorch工具箱--HIFToolBox,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

高光谱融合工具箱(HIFToolBox) 旨在收录高光谱和多光谱/全色锐化领域的SOTA算法。收录算法主要分三类:基于模型的算法、自/无监督学习算法,以及监督学习算法。

获取地址 :主页
预训练权重 :HIFTool目前发布了在QB数据集上,所有收录的监督网络的预训练权重。
使用方法

  1. 在配置好PyTorch的环境中打开 Network_training.py.
  2. 选择算法类型 > 0:包括模型(Model),1:无监督(unsupervised), 2:监督(supervised)。如下图所示,case_lst[0]中的0即表示基于模型的方法。
    case_lst = ['model','unsupervised','supervised']case = case_lst[0]Fusion  = ModeSelection(case)
  1. 选择方法 > 目前HIFToolBox收录了 MoGDCN, Fusformer, PSRT, MSST, DCTransformer, iDaFormer, HySure, HyMS, DBSR, UDALN,uHNTC 。如下图所示,Method = 'HyMS’即表示使用HyMS方法。
    Method = 'HyMS'model, opt = model_generator(Method,'cuda')
  1. 选择数据集 > 目前数据集支持 ChikuseiPaviaXiongAnWDCMQB。对应的数据集可以在*./Multispectral Image Dataset/* 中的解释文档中的链接中下载,放入相应数据集即可。如下图所示, dataset_name = 'chikusei’即表示使用使用Chikusei数据集训练。
    dataset_name = 'chikusei'model_folder = Method + '/' + dataset_name + '/'
  1. 训练

> 监督训练:如下图所示,监督训练在此处设置 批量大小(Batch_size),最大迭代步数( end_epoch),权重保存间隔步数(ckpt_step),以及学习率( lr )。

  # Training SettingBatch_size = 2end_epoch = 2000ckpt_step = 50lr = 1e-4

> 模型优化
如下图所示,基于模型的方法需要传入相机的光谱响应函数(srf),以及点扩散函数(psf)。如果未有该类函数则输入None。

   srf = sio.loadmat('Dataloader_tool/srflib/chikusei_128_4.mat')['R']psf = None
  1. 测试
    打开 Network_eval.py进行监督网络的测试。

这篇关于高光谱图像融合超分辨率、全色锐化PyTorch工具箱--HIFToolBox的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!


原文地址:
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.chinasem.cn/article/1079934

相关文章

pytorch之torch.flatten()和torch.nn.Flatten()的用法

《pytorch之torch.flatten()和torch.nn.Flatten()的用法》:本文主要介绍pytorch之torch.flatten()和torch.nn.Flatten()的用... 目录torch.flatten()和torch.nn.Flatten()的用法下面举例说明总结torch

分辨率三兄弟LPI、DPI 和 PPI有什么区别? 搞清分辨率的那些事儿

《分辨率三兄弟LPI、DPI和PPI有什么区别?搞清分辨率的那些事儿》分辨率这个东西,真的是让人又爱又恨,为了搞清楚它,我可是翻阅了不少资料,最后发现“小7的背包”的解释最让我茅塞顿开,于是,我... 在谈到分辨率时,我们经常会遇到三个相似的缩写:PPI、DPI 和 LPI。虽然它们看起来差不多,但实际应用

使用PyTorch实现手写数字识别功能

《使用PyTorch实现手写数字识别功能》在人工智能的世界里,计算机视觉是最具魅力的领域之一,通过PyTorch这一强大的深度学习框架,我们将在经典的MNIST数据集上,见证一个神经网络从零开始学会识... 目录当计算机学会“看”数字搭建开发环境MNIST数据集解析1. 认识手写数字数据库2. 数据预处理的

Pytorch微调BERT实现命名实体识别

《Pytorch微调BERT实现命名实体识别》命名实体识别(NER)是自然语言处理(NLP)中的一项关键任务,它涉及识别和分类文本中的关键实体,BERT是一种强大的语言表示模型,在各种NLP任务中显著... 目录环境准备加载预训练BERT模型准备数据集标记与对齐微调 BERT最后总结环境准备在继续之前,确

pytorch+torchvision+python版本对应及环境安装

《pytorch+torchvision+python版本对应及环境安装》本文主要介绍了pytorch+torchvision+python版本对应及环境安装,安装过程中需要注意Numpy版本的降级,... 目录一、版本对应二、安装命令(pip)1. 版本2. 安装全过程3. 命令相关解释参考文章一、版本对

使用Python开发一个图像标注与OCR识别工具

《使用Python开发一个图像标注与OCR识别工具》:本文主要介绍一个使用Python开发的工具,允许用户在图像上进行矩形标注,使用OCR对标注区域进行文本识别,并将结果保存为Excel文件,感兴... 目录项目简介1. 图像加载与显示2. 矩形标注3. OCR识别4. 标注的保存与加载5. 裁剪与重置图像

从零教你安装pytorch并在pycharm中使用

《从零教你安装pytorch并在pycharm中使用》本文详细介绍了如何使用Anaconda包管理工具创建虚拟环境,并安装CUDA加速平台和PyTorch库,同时在PyCharm中配置和使用PyTor... 目录背景介绍安装Anaconda安装CUDA安装pytorch报错解决——fbgemm.dll连接p

pycharm远程连接服务器运行pytorch的过程详解

《pycharm远程连接服务器运行pytorch的过程详解》:本文主要介绍在Linux环境下使用Anaconda管理不同版本的Python环境,并通过PyCharm远程连接服务器来运行PyTorc... 目录linux部署pytorch背景介绍Anaconda安装Linux安装pytorch虚拟环境安装cu

Python与DeepSeek的深度融合实战

《Python与DeepSeek的深度融合实战》Python作为最受欢迎的编程语言之一,以其简洁易读的语法、丰富的库和广泛的应用场景,成为了无数开发者的首选,而DeepSeek,作为人工智能领域的新星... 目录一、python与DeepSeek的结合优势二、模型训练1. 数据准备2. 模型架构与参数设置3

基于WinForm+Halcon实现图像缩放与交互功能

《基于WinForm+Halcon实现图像缩放与交互功能》本文主要讲述在WinForm中结合Halcon实现图像缩放、平移及实时显示灰度值等交互功能,包括初始化窗口的不同方式,以及通过特定事件添加相应... 目录前言初始化窗口添加图像缩放功能添加图像平移功能添加实时显示灰度值功能示例代码总结最后前言本文将