Lewis0427
Lewis0427
我的输入尺寸是（64，48，48）若使用原始c2wh = dict([(64,56), ( 128,28), (256,14) ,(512,7)]) ，再用adaptive_avg_pool2d() 由48变为56（小尺寸变大尺寸），会不会损害性能呢，应该怎么处理较好呢？麻烦赐教
最优频率分量问题
请问top里面的最优频率分量 是不是只适用于7*7，一旦改变尺寸为48*48 最优频率分量是否需要更换，还是仍起作用？请指点一下
实验结果图
感谢您的工作，请问可否提供一下，实验结果测试图集的原图（Figure 5，Figure 7，Figure 8），以及Figure 5中比较的两个核宽参数，以及4.4部分的真实图像的数据集。非常感谢，这会对我的研究有很大的帮助 麻烦您了！
训练时的一些问题
感谢您的工作，我在训练中遇到一些问题，想向您请教一下 1.请问在选择不同的放大倍数，sig_min/max是否要设置不一样的范围？例如： [0.2,2.0], [0.2,3.0] and[0.2,4.0] for ×2/3/4 SR 2.在训练加 Noise的退化时，--noise需要设置成25还是其他值？ 3.Table3中 对应的模糊核参数（致使其高矮胖瘦，旋转角度），lambda_1，lambda_2，theta，您分别设置的是多少？ 在此表示十分感谢！
对您的工作很感兴趣，请问一下看您论文里写的 非注意和通道-空间注意的组合具有最好的表现，您代码中用的是通道-空间注意吗？还有就是请问一下 单纯采用通道注意力和非注意力的组合，加上您的dropout模块，效果会变得不好吗？dropout模块只能在非注意和通道-空间注意或空间注意的组合才有正面效果吗？ 谢谢您的指教