Real-ESRGAN超分辨率安装部署（亲测可用）

数据叨叨叨

于 2024-09-10 15:07:05 发布

阅读量429

点赞数 4

文章标签： python 超分辨率重建

本文链接：https://blog.csdn.net/dataddd/article/details/142099295

版权

一、安装

把项目克隆到本地

git clone https://github.com/xinntao/Real-ESRGAN.git cd Real-ESRGAN

2.安装各种依赖

# 安装 basicsr - https://github.com/xinntao/BasicSR

# 我们使用BasicSR来训练以及推断

pip install basicsr

# facexlib和gfpgan是用来增强人脸的

pip install facexlib

pip install gfpgan

pip install -r requirements.txt

python setup.py develop

注意：pytrorch和下载

下载地址：https://download.pytorch.org/whl/torch_stable.html

torch 我使用的是下面的版本

pip install torch-1.12.1+cu113-cp38-cp38-win_amd64.whl

pip install torchvision-0.13.1+cu113-cp38-cp38-win_amd64.whl

二、普通图片

下载我们训练好的模型: RealESRGAN_x4plus.pth

wget https://github.com/xinntao/Real-ESRGAN/releases/download/v0.1.0/RealESRGAN_x4plus.pth -P weights

推理：

python inference_realesrgan.py -n RealESRGAN_x4plus -i inputs --face_enhance

结果在result文件夹

三、动画图片

训练好的模型: RealESRGAN_x4plus_anime_6B

有关waifu2x的更多信息和对比在anime_model.md中。

# 下载模型

wget https://github.com/xinntao/Real-ESRGAN/releases/download/v0.2.2.4/RealESRGAN_x4plus_anime_6B.pth -P weights

# 推断

python inference_realesrgan.py -n RealESRGAN_x4plus_anime_6B -i inputs

结果在result文件夹

四、Python 脚本的用法

虽然你使用了 X4 模型，但是你可以输出任意尺寸比例的图片，只要实用了 outscale 参数. 程序会进一步对模型的输出图像进行缩放。

Usage: python inference_realesrgan.py -n RealESRGAN_x4plus -i infile -o outfile [options]...

A common command: python inference_realesrgan.py -n RealESRGAN_x4plus -i infile --outscale 3.5 --face_enhance

  -h                   show this help
  -i --input           Input image or folder. Default: inputs
  -o --output          Output folder. Default: results
  -n --model_name      Model name. Default: RealESRGAN_x4plus
  -s, --outscale       The final upsampling scale of the image. Default: 4
  --suffix             Suffix of the restored image. Default: out
  -t, --tile           Tile size, 0 for no tile during testing. Default: 0
  --face_enhance       Whether to use GFPGAN to enhance face. Default: False
  --fp32               Whether to use half precision during inference. Default: False
  --ext                Image extension. Options: auto | jpg | png, auto means using the same extension as inputs. Default: auto