Closed Dhr-Lqq closed 3 years ago
您好！请问下你评价指标eval.py中的Q_torch是计算两幅图像的哪部分？您的损失函数在求空间细节时用D_s(ps, l_ms, pan, l_pan)，请问求空间细节部分时直接将四通道的融合图像平均池化成单通道直接与input_pan相减可以吗？ 对于这个Q（）的功能我不太懂，希望可以得到您的解答。谢谢！ def Q(a, b): # N x H x W E_a = torch.mean(a, dim=(1,2)) E_a2 = torch.mean(a a, dim=(1,2)) E_b = torch.mean(b, dim=(1,2)) E_b2 = torch.mean(b b, dim=(1,2)) E_ab = torch.mean(a * b, dim=(1,2))
var_a = E_a2 - E_a * E_a var_b = E_b2 - E_b * E_b cov_ab = E_ab - E_a * E_b return torch.mean(4 * cov_ab * E_a * E_b / (var_a + var_b) / (E_a**2 + E_b**2))
对应QNR指标的计算公式，Q就是QIndex的计算
zhysora
commented
3 years ago zhysora
commented
3 years ago
您好！请问下你评价指标eval.py中的Q_torch是计算两幅图像的哪部分？您的损失函数在求空间细节时用D_s(ps, l_ms, pan, l_pan)，请问求空间细节部分时直接将四通道的融合图像平均池化成单通道直接与input_pan相减可以吗？ 对于这个Q（）的功能我不太懂，希望可以得到您的解答。谢谢！ def Q(a, b): # N x H x W E_a = torch.mean(a, dim=(1,2)) E_a2 = torch.mean(a a, dim=(1,2)) E_b = torch.mean(b, dim=(1,2)) E_b2 = torch.mean(b b, dim=(1,2)) E_ab = torch.mean(a * b, dim=(1,2))