Pytorch-RealSR超分模型

2023-12-20 16:01:23

1.前言

????????RealSR 是一种基于学习的单图像超分辨率(SISR)模型,专门针对真实世界的图像。它由腾讯 AI 实验室于 2020 年提出。

????????RealSR 的核心创新是提出了一种新的退化模型,该模型能够更好地模拟真实世界的退化过程。该模型考虑了真实世界图像中存在的多种退化因素,包括模糊、噪声和色彩失真。

????????RealSR 还提出了一种新的网络架构,该架构能够更好地学习真实世界的退化模型。该网络架构采用了一种递归结构,能够逐渐恢复高分辨率图像的细节。

????????RealSR 在多个真实世界图像超分辨率数据集上进行了测试,并取得了优异的性能。例如,在 Set5 数据集上,RealSR 的 PSNR 比传统的 SISR 模型高出约 0.5 dB。

REALSR算法分析

????????RealSR 生成的图像

????????RealSR 的优势包括:

  • 能够更好地模拟真实世界的退化过程,从而生成更逼真的高分辨率图像。
  • 具有较高的性能,在多个真实世界图像超分辨率数据集上都取得了优异的结果。

????????RealSR 的应用包括:

  • 图像增强:将低分辨率图像增强为高分辨率图像,以提高图像的清晰度和细节。
  • 图像修复:修复低分辨率图像中的噪声、模糊和其他缺陷。
  • 图像分割:提高图像分割的准确性。

2.模型下载

????????文中的源代码是jixiaozhong的github博主的链接在这里RealSR

????????如果访问github比较慢的话,可以下载我上传的百度链接:? ????????

https://pan.baidu.com/s/1gpa_J3cTbVbW05Hk22vRvQ 提取码: ypuh?

文件目录:

?下载百度链接文件

修改codes/options/df2k目录下的test_df2k.yml

根据自己的路径修改:dataroot_LR和pretrain_model_G

name: Track1
suffix: ~  # add suffix to saved images
model: srgan
distortion: sr
scale: 4
crop_border: ~  # crop border when evaluation. If None(~), crop the scale pixels
gpu_ids: [0]

datasets:
  test_1:  # the 1st test dataset
    name: DIV2K
    mode: LR
    dataroot_LR: /home/usrname/data/Internal_testing/deep-learning-for-image-processing/RealSR/codes/ntire20/Corrupted-te-x

#### network structures
network_G:
  which_model_G: RRDBNet
  in_nc: 3
  out_nc: 3
  nf: 64
  nb: 23
  upscale: 4

#### path
path:
  pretrain_model_G: /home/usrname/data/Internal_testing/deep-learning-for-image-processing/RealSR/codes/pretrained_model/DF2K.pth
  results_root: ./results/

执行: python3 test.py -opt options/df2k/test_df2k.yml

????????如果没有GPU:

? ? ? ? (1)修改codes/models目录下的base_model.py,修改self.device ="cpu"

? ? ? ? (2)修改codes/models目录下的networks.py,修改device ="cpu"

3.执行结果

????????输入模型的图片是510*388,超分了16倍变成2040*1352,下面是运行的结果

文章来源:https://blog.csdn.net/weixin_43999691/article/details/135107919
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。