Skip to content
ModelListedExternal
Download

SRGANS27X

Este é o modelo SRGANS27X de super-resolução baseado em GAN para imagens multiespectrais Sentinel-2.

KindOtherVersionRevision b6f0ddbBgrade

Model source

Kind
Other
File size
4.08 MB
Version
vRevision b6f0ddb
Updated
Oct 20, 2026
Downloads
10
Source
Hugging Face

Source description

SRGANS27X

Este é o modelo SRGANS27X de super-resolução baseado em GAN para imagens multiespectrais Sentinel-2.

  • Entrada: 12 bandas multiespectrais (com valores normalizados entre -1 e 1).
  • Saída: Imagem RGB super-resolvida (escala de -1 a 1).
  • Upscale: 7x.
  • Aplicação: Super-resolução de imagens de satélite.

Arquivos

  • pytorch_model.bin: Checkpoint treinado do gerador.
  • Gerador.py: Definição da arquitetura.
  • config.json (opcional): Configuração básica do modelo.

Como usar

from Gerador import Gerador
import torch

model = Gerador()
model.load_state_dict(torch.load("pytorch_model.bin"))
model.eval()

# Imagem de exemplo
input_tensor = torch.randn(1, 12, 18, 18)  # (batch_size, canais, altura, largura)
output = model(input_tensor)

Sources

1 source
Hugging FacePrimaryVersion b6f0ddbaeaf8f3c5776ebe661a0a017b85d37af5
huggingface.co/rafavidal1709/SRGANS27X/tree/b6f0ddbaeaf8f3c5776ebe661a0a017b85d37af5

Verified Oct 20

Model artifacts

1 artifact

pytorch_model.bin

bin · 4.08 MB · SHA-256 46668572c367…4ed9 · Hugging Face

Download file

Source excerpts

3 excerpts

--- tags: - super-resolution - satellite-imagery - GAN license: apache-2.0 --- # SRGANS27X Este é o modelo **SRGANS27X** de super-resolução baseado em GAN para imagens multiespectrais Sentinel-2. - **Entrada:** 12 bandas multiespectrais (com valores normalizados entre -1 e 1). - **Saída:** Imagem RGB super-resolvida (escala de -1 a 1). - **Upscale:** 7x. - **Aplicação:** Super-resolução de imagens de satélite. ## Arquivos - `pytorch_model.bin`: Checkpoint treinado do gerador. - `Gerador.py`: Definição da arquitetura. - `config.json` (opcional): Configuração básica do modelo. ## Como usar ```python from Gerador import Gerador import torch model = Gerador() model.load_state_dict(torch.load("pytorch_model.bin")) model.eval() # Imagem de exemplo input_tensor = torch.randn(1, 12, 18, 18) # (batch_size, canais, altura, largura) output = model(input_tensor)

Source context: 10 downloads · 0 likes · Repo rafavidal1709/SRGANS27X

Source context: 6 downloads · 0 likes · Repo rafavidal1709/SRGANS27X