【学习记录】使用KAIR训练SwinIR模型教程

已于 2022-10-18 20:14:30 修改
阅读量3.2k 收藏 39
点赞数 12
分类专栏： 学习记录 文章标签： 学习 python 深度学习
于 2022-07-14 18:31:22 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_30006795/article/details/125789268
版权

@TOC

一、环境配置

1.使用anaconda创建一个新环境 py36KAIR

conda create -n py36KAIR python=3.6

2.到http://download.pytorch.org/whl/torch_stable.html下载相对应CUDA版本的pytouch

3.下载完后打开cmd然后cd进入下载目录使用以下命令安装pytouch

pip install 文件名

4.打开cmd，然后cd进入KAIR项目所在目录，使用以下命令安装其它所需模块

pip install -r requirement.txt

二、训练集和测试集准备

1.下载训练集https://data.vision.ee.ethz.ch/cvl/DIV2K/
   下载测试集https://pan.baidu.com/s/1q_1ERCMqALH0xFwjLM0pTg#list/path=%2F
在这里插入图片描述
在这里插入图片描述

2.在KAIR-master项目的目录下创建trainsets/trainH和trainsets/trainL，再把刚刚下载的训练数据放入其中
在这里插入图片描述
3.在KAIR-master项目的testsets目录下创建testsets/set5/HR和testsets/set5/LR_bicubic/X2，然后再把刚刚下载的测试数据放入其中
在这里插入图片描述

4修改KAIR-master项目的options\swinir的train_swinir_sr_classical.json文件
在这里插入图片描述

三、开始训练

1.windows用户需要把KAIR-master项目的utils\utils_dist.py的nccl改成gloo
因为windows不支持nccl
在这里插入图片描述
2.使用命令开始训练

python -m torch.distributed.launch --nproc_per_node=1 --master_port=1234 main_train_psnr.py --opt options/swinir/train_swinir_sr_classical.json  --dist True

其中–nproc_per_node=1表示GPU的个数，根据自己的GPU个数进行修改
在KAIR-master项目的options/swinir/train_swinir_sr_classical.json也要进行修改
在这里插入图片描述

行云流水剑
关注
专栏目录
图像超分辨率—SwinIR Transformer训练教程（使用自己的数据集，Pytorch）
hsdujdjrjrj的博客
07-11 1814
SwinIR Transformer图像超分辨率重建训练教程。
【第33篇】SwinIR
AI浩
04-26 3401
SWinIR实战 论文地址：https://arxiv.org/pdf/2108.10257.pdf 预训练模型下载：https://github.com/JingyunLiang/SwinIR/releases 训练代码下载：https://github.com/cszn/KAIR 测试：https://github.com/JingyunLiang/SwinIR 摘要 图像恢复是一个长期存在的低级视觉问题，旨在从低质量图像（例如，缩小、噪声和压缩图像）中恢复高质量图像。虽然最先进的图像恢复方法是基于卷积
KAIR:图像恢复工具箱 (PyTorch)。 DPIR、USRNet、DnCNN、FFDNet、SRMD、DPSR、ESRGAN的训练和测试代码
08-03
USRNet、DnCNN、FFDNet、SRMD、DPSR、MSRResNet、ESRGAN、IMDN 的训练和测试代码 瑞士苏黎世联邦理工学院 新闻 (2021-06-03) : 增加人脸图像增强的测试代码： 新闻 (2021-05-13) : 添加。 新闻（2021-05-12） ：支持分布式训练，另见 。 新闻 (2021-01) : 盲人实像超分辨率将加入。 欢迎拉取请求！ 更正（2020-10） ：如果您使用多个 GPU 进行 GAN 训练，请删除或注释以启用DataParallel进行快速训练 新闻 (2020-10) : 添加来计算感受野。 新闻（2020-8） ： deep plug-and-play image restoration toolbox在cszn/DPIR发布。 提示 (2020-8) : 使用它可以避免out of memory问题。 新闻
关于超分辨重建SwinIR模型的训练中的一些问题
Forever666的博客
04-18 722
使用DIV2K进行训练，在Set5和Set14结果接近，BSD100，Urban100和Manga109均达不到论文中的效果，最大有0.1db差距。使用DF2K进行训练，在Set5、Set14、BSD100，Urban100和Manga109达到论文中的效果，PSNR约有0.01db的正常误差范围。：15.6G/每张3090，总的显存占用在62G左右，建议至少70G显存往上，毕竟要做Transformer。，显存占用10G左右，然后结果和训练时间一言难尽。(论文官方为900张图像):17k以上；
SwinIR: Image Restoration Using Swin Transformer
最新发布
m0_46317766的博客
08-29 1060
图像恢复是一个长期存在的低级视觉问题，旨在从低质量图像中恢复高质量图像（例如，缩小、噪声和压缩图像）。虽然最先进的图像恢复方法是基于CNN，但很少有人尝试transform，这在高级视觉任务中显示出令人印象深刻的性能。在本文中，我们提出了一种基于 Swin Transformer 的图像恢复的强大基线模型 SwinIR。SwinIR由三部分组成: 浅层特征提取、深层特征提取和高质量图像重建。
SwinIR实战：如何使用SwinIR和预训练模型实现图片的超分
limingmin2020的博客
09-09 787
本文介绍如何使用SwinIR和预训练模型实现图像的超分。
SwinIR的训练过程
ducanwang的博客
02-19 630
【代码】SwinIR的训练过程。
SwinIR实战：详细记录SwinIR的训练过程
m0_47867638的博客
06-16 1446
由于表格中的测试集放在google，我不能下载，但是SwinIR的测试代码中有测试集，代码链接：https://github.com/JingyunLiang/SwinIR，下载下来直接复制到testsets文件夹下面。论文翻译：https://blog.csdn.net/hhhhhhhhhhwwwwwwwwww/article/details/124434886。首先，打开options/swinir/train_swinir_sr_classical.json文件，查看里面的内容。
【第36篇】SwinIR(超分)
m0_47867638的博客
06-23 272
论文地址：https://arxiv.org/pdf/2108.10257.pdf预训练模型下载：https://github.com/JingyunLiang/SwinIR/releases训练代码下载：https://github.com/cszn/KAIR测试：https://github.com/JingyunLiang/SwinIR图像恢复是一个长期存在的低级视觉问题，旨在从低质量图像（例如，缩小、噪声和压缩图像）中恢复高质量图像。
SwinIR 详尽注释，一步步理解学习
11-11
SwinIR: Image restoration using swin transformer 论文源代码中网络模型 SwinIR，附带详尽注释，一步步理解学习。
KAIR-master.zip
04-30
KAIR提供的去雨算法通常基于深度学习模型，如卷积神经网络（CNN），通过训练大量的带有雨滴的图像对，学习雨滴特征并进行去除。这些算法能够智能地识别和分离背景与雨滴，从而恢复清晰的图像，提升在雨天环境下的...
KAIR：深度学习中的知识增强预训练框架
gitblog_00036的博客
03-23 419
KAIR：深度学习中的知识增强预训练框架 KAIRImage Restoration Toolbox (PyTorch). Training and testing codes for DPIR, USRNet, DnCNN, FFDNet, SRMD, DPSR, BSRGAN, SwinIR项目地址:https://gitcode.com/gh_mirrors/ka/KAIR 概述 是一个开...
SwinIR简记
椰子奶糖的博客
01-12 995
SwinIR简记 文章目录SwinIR简记参考简述总结 快速看了一眼原文，的确是将swin transformer用到了SR，本身似乎并没有太多的亮点，但是实打实的有效～ 参考 源代码 原文 其他参考 Swin Transformer 简述 看之前我特地再去看了一下Swin Transformer的原文（笔记：Swin Transformer），然后再看这篇发现确实如开头所说 首先是模型结构： 大致分为三个部分 Shallow Feature Extraction
【目标检测】swin-transformer训练自己的数据集
qq_44747572的博客
11-06 5679
文章目录1. 数据集的制作1.1. Labelme制作数据集1.2 COCO数据集格式2. 配置swin-transformer3. 训练自己的数据集4. 训练5.参考链接 1. 数据集的制作 1.1. Labelme制作数据集 pip install labelme 然后在桌面搜索框中找到labelme，然后打开，或者直接在命令行中输入labelme进行打开 安装labelme过程中出现的一些问题： https://blog.csdn.net/qq_44747572/article/details/12
SWinIR概述
qq_45033722的博客
03-01 9085
1.概要 图像恢复是一个长期存在的低水平视觉问题，它旨在从低质量的图像（例如，缩小比例、有噪声和压缩的图像）中恢复高质量的图像。该文提出了一种基于Swin变换的强基线模型SwinIR。SwinIR由浅层特征提取、深度特征提取和高质量的图像重建三部分组成。特别地，深度特征提取模块由几个残余的Swin变压器块(RSTB)组成，每个块都有几个Swin变压器层和一个残余连接。该文对三个具有代表性的任务进行了实验：图像超分辨率（包括经典、轻量级和真实世界的图像超分辨率）、图像去噪（包括灰度和彩色图像去噪）和JPEG压
【图像去噪】第七期论文复现赛——SwinIR
m0_63642362的博客
10-24 2390
第七期论文复现赛——SwinIR论文复现。请查看 Version1.2
KAIR框架和basicsr框架有什么区别
03-22
KAIR框架和basicsr框架都是用于图像超分辨率重建任务的深度学习框架，但它们有一些区别。 KAIR（Knowledge-Aware Image Restoration）框架是由华中科技大学的研究团队开发的，旨在解决图像修复和增强任务。KAIR框架采用了知识感知的方式，结合了传统图像处理方法和深度学习技术，以提高图像修复和增强的效果。该框架主要包括两个模块：知识感知模块和修复模块。知识感知模块用于提取图像的低级特征和高级语义信息，修复模块则利用这些信息进行图像修复和增强。 而basicsr框架是由南京大学的研究团队开发的，专注于图像超分辨率重建任务。basicsr框架提供了一系列经典和先进的超分辨率重建算法的实现，包括SRCNN、ESPCN、EDSR等。该框架提供了高效的训练和测试代码，并支持多种超分辨率重建数据集。 总结来说，KAIR框架更加综合，不仅包含了图像超分辨率重建任务，还包括其他图像修复和增强任务。而basicsr框架则专注于图像超分辨率重建任务，并提供了多种经典和先进的算法实现。具体选择哪个框架取决于你的需求和研究方向。
评论 11
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值