lapsrn_tensorflow图像超分算法模型

LAPSRN

论文

Deep Laplacian Pyramid Networks for Fast and Accurate Super-Resolution

• https://openaccess.thecvf.com/content_cvpr_2017/papers/Lai_Deep_Laplacian_Pyramid_CVPR_2017_paper.pdf

模型结构

LapSRN模型主要有两个部分，即拉普拉斯金字塔预测模型和残差学习模型。

算法原理

该模型是一个图像超分辨率模型，通过逐步放大结构，包括特征提取和图像重建，在每个阶段通过卷积和转置卷积层实现对图像的逐级提升。

环境配置

Docker（方法一）

此处提供光源拉取docker镜像

docker pull docker pull image.sourcefind.cn:5000/dcu/admin/base/tensorflow:1.15.1-centos7.6-dtk-22.10.1-py37-latest
docker run -it --network=host --name=bert_prof --privileged --device=/dev/kfd --device=/dev/dri --ipc=host --shm-size=32G  --group-add video --cap-add=SYS_PTRACE --security-opt seccomp=unconfined -u root --ulimit stack=-1:-1 --ulimit memlock=-1:-1 image.sourcefind.cn:5000/dcu/admin/base/tensorflow:1.15.1-centos7.6-dtk-22.10.1-py37-latest
pip install -r requirements.txt

Dockerfile（方法二）

dockerfile使用方法

docker build --no-cache -t lapsrn:latest .
docker run -dit --network=host --name=lapsrn --privileged --device=/dev/kfd --device=/dev/dri --ipc=host --shm-size=16G  --group-add video --cap-add=SYS_PTRACE --security-opt seccomp=unconfined -u root --ulimit stack=-1:-1 --ulimit memlock=-1:-1 lapsrn:latest
docker exec -it lapsrn /bin/bash

Anaconda（方法三）

关于本项目DCU显卡所需的特殊深度学习库可从光合开发者社区下载安装。

DTK驱动：dtk22.10
python：python3.7
tensorflow==1.15.1+gitf56f27ab.dtk2210

Tips：以上dtk驱动、python等DCU相关工具版本需要严格一一对应

其它非深度学习库参照requirements.txt安装：

pip install -r requirements.txt

数据集

模型使用数据为 DIV2K

• DIV2K Dataset

项目中已提供用于试验训练的迷你数据集，训练数据目录结构如下，用于正常训练的完整数据集请按此目录结构进行制备：

 ── datasets
       │   ├── DIV2K_train_HR
       │             ├── xxx.png
       │             ├── xxx.png
       │             └── ...
       │   └── DIV2K_train_LR_bicubic
       │             ├── xxx.png
       │             ├── xxx.png
       │             └── ...
       │   └── DIV2K_valid_HR
       │             ├── xxx.png
       │             ├── xxx.png
       │             └── ...
       │   └── DIV2K_valid_LR_bicubic
       │             ├── xxx.png
       │             ├── xxx.png
       │             └── ...

训练

单机单卡

python main.py

推理

python main.py -m test \
               -f TESTIMAGE

result

测试图

精度

测试数据：DIV2K ，使用的加速卡:Z100L。

根据测试结果情况填写表格：

LAPSRN	loss
DIV2K	0.461

应用场景

算法类别

图像超分

热点应用行业

设计,制造,交通

源码仓库及问题反馈

• ModelZoo / LapSRN_tensorflow · GitLab

参考资料

• GitHub - zjuela/LapSRN-tensorflow: Tensorflow implementation of the paper "Deep Laplacian Pyramid Networks for Fast and Accurate Super-Resolution"