C++实现超分辨率 RDN

RDN(由残差密集网络实现的图像超分辨率)

在《RDN-TensorFlow-master》有一个3倍模型(也只有这一个了)：rdn_5_3_64_x3

这里用C++实现这个的3倍重建：

流程图：

密集残差块：

这个残差块结构内部和前面的ESRGAN（前面的文章）中的密集残差块是一样的，只是外部有点不同。

定义密集残差块：

struct 密集残差块 // 4个卷积层
{//输入       0; -->64//0 连续存储 64层数据 * conv1;//64-->64//0，1 连续存储 128层数据 * conv2;//128-->64//0，1，2 连续存储 192层数据 * conv3;//192-->64//0，1，2，3 连续存储 256层数据 * conv4;//256-->64    局部特征融合 1x1卷积
};

定义模型数据池和初始化：

struct RDN模型
{//浅层特征提取层数据 * conv1;//3->64层数据 * conv2;//64->64//密集残差块int 密集残差块数量;//5块密集残差块 * 块;//5个密集残差块连续存储 320层数据 * conv3;	//320-->64 特征融合 1x1卷积层数据 * conv4; //64-->64//全局残差相加//放大层数据 * up1;//64->64 卷积层数据 * up2;//64->32 卷积层数据 * up3;//32->27 卷积//亚像素卷积 27->3//输出层数据 * out;//3->3 卷积//构造函数RDN模型();};RDN模型::RDN模型()
{int size;层数据 * 层;//用于一层（宏）/*输入维度,输出维度,核宽*//*输入维度,输出维度,核宽*/#define 初始化ONE层(IN,OUT,KW) \\层->输入维度=IN;\层->输出维度=OUT;\层->核宽=KW;\层->权重长度=层->输出维度*层->输入维度*层->核宽*层->核宽;\层->权重_数据=(float*)malloc(sizeof(float) * 层->权重长度);\层->偏移长度=层->输出维度;\层->偏移_数据=(float*)malloc(sizeof(float) * 层->偏移长度);\#define 初始化层(ConvX,IN,OUT,KW) \size = sizeof(层数据);\
\层=ConvX =(层数据 *)malloc(size);\初始化ONE层(IN,OUT,KW)\/*名称,输入维度,输出维度,核宽*/初始化层(conv1,3,64,3);初始化层(conv2,64,64,3);密集残差块数量=5;size = sizeof(密集残差块)*密集残差块数量;块=(密集残差块*)malloc(size);密集残差块 * 密集残差块0=块;for (int k = 0;k<密集残差块数量;k++){初始化层(密集残差块0->conv1,64,64,3);初始化层(密集残差块0->conv2,128,64,3);初始化层(密集残差块0->conv3,192,64,3);初始化层(密集残差块0->conv4,256,64,1);密集残差块0++;}初始化层(conv3,320,64,1);初始化层(conv4,64,64,3);初始化层(up1,64,64,5);初始化层(up2,64,32,3);初始化层(up3,32,27,3);初始化层(out,3,3,3);}

主函数：

void RDN(char * savefilename,RDN模型 & sr)
{//		int wid=bmp.width;int hei=bmp.height;cout<<"输入图像宽度："<层数据 * 层;//两个卷积层 交替前传（源,目标）//用这个传回卷积层 * di=(卷积层 *)malloc(sizeof(卷积层));di->width=1;di->height=1;di->depth=1;di->data=new float[1 ]; 卷积层 *源,*目标;源 = &rgb;目标 = di;int pad;cout<<"输入层..."<depth);//F_1conv1备份.data=new float[wid * hei * 源->depth ]; 卷积层复制(源,&conv1备份);卷积前传无RELU(sr.conv2);//load_mat2卷积层("me/F0.txt",源);//----------------------------------------------

本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！