独特之处:“用于不确定性的实验室和野外图像质量评估的知识”和“学习如何盲目地评估实验室和野外图像质量的信息库” 源码
独特 的代码库和(ICIP2020) 前提条件: Python 3+ PyTorch 1.4+ Matlab的在Ubuntu18.04上成功测试之后,其他操作系统(即其他Linux发行版,Windows)也应该可以。 用法 从多个数据库中采样图像对 data_all.m 组合采样对以形成训练集 Combine_train.m 在多个数据库上进行10次培训 python Main.py --train True --network basecnn --representation BCNN --ranking True --fidelity True --std_modeling True -
文件列表
独特之处:“用于不确定性的实验室和野外图像质量评估的知识”和“学习如何盲目地评估实验室和野外图像质量的信息库”
(预估有个123文件)
.gitignore
2KB
data_koniq10k.m
3KB
data_TID2013.m
4KB
data_all.m
589B
data_csiq.m
9KB
data_kadid10k.m
3KB
GT_Gaussian.m
117B
koniq10k_scores_and_distributions.mat
365KB
data_live.m
6KB
comb.m
307B
暂无评论