update

README.md

@@ -108,13 +108,13 @@ python main.py
 
 ### 精度
 
-测试数据：https://data.vision.ee.ethz.ch/cvl/DIV2K/ ，使用的加速卡:Z100L。
+测试数据：[DIV2K](https://data.vision.ee.ethz.ch/cvl/DIV2K/) ，使用的加速卡:Z100L。
 
 根据测试结果情况填写表格：
 
-| LAPSRN | loss  | 速度  |
-| :----: | :---: | :---: |
-| DIV2K  | 0.461 | 4it/s |
+| LAPSRN | loss  |
+| :----: | :---: |
+| DIV2K  | 0.461 |
 
 ## 应用场景
 
@@ -124,11 +124,11 @@ python main.py
 
 ### 热点应用行业
 
-`设计`
+`设计`,`制造`,`交通`
 
 ## 源码仓库及问题反馈
 
-*  https://github.com/zjuela/LapSRN-tensorflow 
+*  https://developer.hpccube.com/codes/modelzoo/lapsrn_tensorflow
 ## 参考资料
 * https://github.com/zjuela/LapSRN-tensorflow 
 

model.properties

@@ -5,6 +5,6 @@ modelName=LapSRN_tensorflow
 # 模型描述
 modelDescription=LapSRN是一种用于超分辨率重建的神经网络模型，全称为Laplacian Pyramid Super-Resolution Network。它可以将低分辨率的图像增强到高分辨率，从而提高图像的质量和清晰度。LapSRN模型基于图像金字塔理论，采用多级金字塔结构，通过渐进性的上采样和细节增强，逐步提高图像分辨率。
 # 应用场景
-appScenario=推理,训练,图像超分,设计
+appScenario=推理,训练,图像超分,设计,制造,交通
 # 框架类型
 frameType=tensorflow

requirements.txt

-easydict==1.11
-matplotlib==3.5.3
-nltk==3.8.1
-numpy==1.21.4
+easydict==1.10
+imageio==2.4.0
+matplotlib==2.2.3
+nltk==3.3
+numpy==1.19.2
 Pillow==9.5.0
-Pillow==10.1.0
 pymongo==4.6.0
-scikit_image==0.19.3
-scikit_learn==1.3.2
+scikit_image==0.16.2
+scikit_learn==0.19.2
 scipy==1.1.0
-six==1.16.0
+six==1.11.0