Recurrent Back-Projection Network for Video Super-Resolution图像超分辨----RBPN测试及训练
学习之余,做个笔记。本文详细介绍了超分辨方法-RBPN的测试及训练
论文地址:https://alterzero.github.io/projects/RBPN.html
代码地址:https://github.com/alterzero/RBPN-Pytorch
1、RBPN测试:
(Window10系统下进行)
(1)创建虚拟环境
(2)安装python3.7,pytorch1.7.0,cuda11.0
以及必要的安装包
Imageio
,scipy
,opencv-python
,scikit-image
(3)安装pytorch1.7.0
和对应版本的cuda11.0
:终端输入如下命令
conda install pytorch==1.7.0 torchvision==0.8.0 torchaudio==0.7.0 cudatoolkit=11.0 -c pytorch
(4)接下来进行pyflow
的编译
cd pyflow/
python setup.py build_ext -i
出现错误:编译pyflow时出现错误
解决办法:将pyflow文件夹中的project.h
中的一行宏定义注释掉,如图:
参考链接:https://blog.csdn.net/bvngh3247/article/details/90051916
运行编译命令,出现如下信息,证明编译成功!
接下来,将下载的模型拷贝到项目文件夹weights
中
将数据集也拷贝到对应的文件夹中
运行出错:
解决办法:此处仍然要加上下面这行代码
运行出现如下错误。
分析原因:可能是pyflow编译结束生成的扩展库找不到。
解决办法:将编译生成的pyflow.cp37-win_amd64.pyd扩展库拷贝到pyflow根目录下,这样就可以找到coarse2fine_flow了。
再次运行:
出现如下结果
测试结束!
也可以更改自己的数据集进行测试。步骤如下:
将数据放在Vid4
文件夹下,并按照目录做一个txt文件,更改程序中的相应位置,就可以测试自己的数据了!
更改代码如下位置
便可以进行测试。
测试结果为
注意:超分辨对显存要求较高,如果图片分辨率太大会出现CUDA out of memory的错误,显存不够!
解决办法:
① batch_size参数设置的小一点。
② with torch_no_grad( ):数据不需要梯度计算,即不会进行反向传播。
③ 可以通过改小图片的分辨率来解决。
2、RBPN训练:
(Windows10系统下)
(1)输入命令:python main.py
(2)出现如上图所示:开始训练
如果需要更改自己的训练数据,更改main.py
文件参数即可,如下:
data_dir
是存放数据集的,file_list
是真实值得路径
如果出现如下现象:
解决办法:将线程数设置成0,main.py
文件中代码更改如下:
如果出现如下错误,显存不够,可以更改batch_size
参数,减小。
训练结束的模型,保存在weights
文件夹下
之后可以使用自己训练的模型进行针对性测试。