文稿时间:20240531
本文稿仅介绍如何复现和使用此模型,没有对该模型进行分析,仅做使用说明;
配置的前提:
- 环境已经安装了anaconda软件;
- 环境已经安装了pycharm软件;
- 硬件环境具有NVIDIA的显卡;
主要操作步骤简化:
- 在ananconda中新建一个环境“ESR”;
- 在github上同步Real-ESRGAN的模型,到本地磁盘;有两种方式:
- 通过git clone进行本地的同步下载;
- 通过github的code选项中download zip file进行下载,下载后选择解压缩同步到本地的磁盘中;
- 打开pycharm,在file菜单栏中打开Real-ESRGAN-master(注意若使用download zip file加压后嵌套了一层Real-ESRGAN-master的文件夹,此时打开底层的文件夹);
- 在pycharm中配置python interpreter为第一步中anaconda的中的“ESR”环境;
- 在ESR环境中安装pytorch,切记不要安装错版本,一定要安装GPU版本的,具体的安装步骤参考别的blog;
- 安装后将模型所需的packages安装好,下列代码在github的介绍上也有;
# Install basicsr - https://github.com/xinntao/BasicSR
# We use BasicSR for both training and inference
pip install basicsr
# facexlib and gfpgan are for face enhancement
pip install facexlib
pip install gfpgan
pip install -r requirements.txt
python setup.py develop
- 将models文件下载后,粘贴到Real-ESRGAN-master项目文件夹的weights文件夹中;
https://github.com/xinntao/Real-ESRGAN/releases/download/v0.1.0/RealESRGAN_x4plus.pth
- 此时在terminal中运行下列代码python inference_realesrgan.py -n RealESRGAN_x4plus -i inputs --face_enhance
- 可以发现此时terminal中提示了还需要下载其他的模型文件,但是由于一定原因下载的速度很慢此时可以邮件提示的蓝色超链接复制下载链接,在浏览器中下载该链接的文件,然后将下载后的文件放在上一步的weights文件夹中,此时weights文件夹应该有四个模型,分别是“RealESRGAN_x4plus.pth”、“detection_Resnet50_Final.pth”、“GFPGANv1.3.pth”、“parsing_parsenet.pth”;
- 当在weights文件中配置好上述四个文件后,我们再次执行步骤8的命令即可看到terminal中进行了testing+序号+图片名称的文字输出,此时就在Real-ESRGAN-master项目文件夹的results文件夹中生成处理后的照片内容;
- 若我们想对自己的图片内容进行超分辨率提升,我们可以在Real-ESRGAN-master项目文件夹的inputs文件夹中放入我们想要处理的图片。重复步骤8的命令,此时能够在Real-ESRGAN-master项目文件夹的results文件夹中看到处理后的文件内容;