srez-master 相关事宜

最近运行了一下 srez-master ，总结一下 ：

原项目地址Github：https://github.com/david-gpu/srez

1 最重要的 ：不可以去马赛克  不可以去马赛克，不可以去马赛克

      事情原委就是我同学要我去掉一张正经的图片的马赛克，看看照片里的人长什么样。几经周转就信了某几篇简书的鬼话，一本正经的扯淡说这个项目可以去马赛克。后来回头一看发觉原作者也没有说是可以去马赛克，只是说这是图像的超分辨率重建。（着实坑了我一把，如果有人也是冲这个去的，看到这就可以走了，似乎我也没有写下去的必要）

2 运行过程

      2.1 打开项目，首先得下载数据集，下载地址https://drive.google.com/drive/folders/0B7EVK8r0v71pWEZsZE9oNnFzTm8

将里面的image，放在一个dataset文件夹下。

      2.2 安装requirements.txt包

      2.3 在项目下新建 checkpoint 和 train  文件夹 。

      2.4 运行

3 报错

  运行项目时，我遇到了各种各样的错误，分为两大类吧：

  第一类是没有安装requirements.txt安装依赖包的要求版本。最重要是安装低版本的tensorflow ，不可过高，1.10.0 即可。当初出现这种bug时真的是崩溃，有一个bug就是训练到最后突然崩了，没有结果。由于当初忘了截图，找不到出错信息了。

  第二类是由于包更新了 。譬如 Only call `sigmoid_cross_entropy_with_logits` with named arguments (labels=..., logits=..., ...)

这类都好解决。

4出错的人

作者说：

Here's an random, non cherry-picked, example of what this network can do. From left to right, the first column is the 16x16 input image, the second one is what you would get from a standard bicubic interpolation, the third is the output generated by the neural net, and on the right is the ground truth.

       翻译部分从左到右，第一列是16x16输入图像，第二列是标准双三次插值得到的图像，第三列是神经网络生成的输出，右侧是原始图像。误导人的人应该就是看了这个地方，然后就说可以去马赛克。

再看源码：

  downsampled = tf.image.resize_area(image, [image_size//K, image_size//K])

  feature = tf.reshape(downsampled, [image_size//K, image_size//K, 3])
  label   = tf.reshape(image,       [image_size,   image_size,     3])

模型训练的train_features, train_labels就是这个，没啥区别。那为什么又有马赛克的部分呢，在看源码

    nearest = tf.image.resize_nearest_neighbor(feature, size)
    nearest = tf.maximum(tf.minimum(nearest, 1.0), 0.0)
    #
    bicubic = tf.image.resize_bicubic(feature, size)
    bicubic = tf.maximum(tf.minimum(bicubic, 1.0), 0.0)


    clipped = tf.maximum(tf.minimum(gene_output, 1.0), 0.0)

    image   = tf.concat([nearest, bicubic, clipped, label],2)

nearest,bicubic,clipped,image 为第一到四列的输出图像。这就是有马赛克的原因了。其实第一列也并不是16*16的训练数据，作者只是为了给大家一个直观的效果，让大家觉得这个模型有多好，形成对比，才有马赛克图片的，跟去马赛克没有任何关系。

      这个项目bug众多，模型的网络结构已经过时，在图像的超分辨率重建领域有更多效果更好的示例。作者能自己搞出这样的项目也是很牛批，厉害，厉害。