Pytorch-RealSR超分模型

1.前言

        RealSR 是一种基于学习的单图像超分辨率(SISR)模型,专门针对真实世界的图像。它由腾讯 AI 实验室于 2020 年提出。

        RealSR 的核心创新是提出了一种新的退化模型,该模型能够更好地模拟真实世界的退化过程。该模型考虑了真实世界图像中存在的多种退化因素,包括模糊、噪声和色彩失真。

        RealSR 还提出了一种新的网络架构,该架构能够更好地学习真实世界的退化模型。该网络架构采用了一种递归结构,能够逐渐恢复高分辨率图像的细节。

        RealSR 在多个真实世界图像超分辨率数据集上进行了测试,并取得了优异的性能。例如,在 Set5 数据集上,RealSR 的 PSNR 比传统的 SISR 模型高出约 0.5 dB。

REALSR算法分析

        RealSR 生成的图像

        RealSR 的优势包括:

  • 能够更好地模拟真实世界的退化过程,从而生成更逼真的高分辨率图像。
  • 具有较高的性能,在多个真实世界图像超分辨率数据集上都取得了优异的结果。

        RealSR 的应用包括:

  • 图像增强:将低分辨率图像增强为高分辨率图像,以提高图像的清晰度和细节。
  • 图像修复:修复低分辨率图像中的噪声、模糊和其他缺陷。
  • 图像分割:提高图像分割的准确性。

2.模型下载

        文中的源代码是jixiaozhong的github博主的链接在这里RealSR

        如果访问github比较慢的话,可以下载我上传的百度链接:          

https://pan.baidu.com/s/1gpa_J3cTbVbW05Hk22vRvQ 提取码: ypuh 

文件目录:

 下载百度链接文件

修改codes/options/df2k目录下的test_df2k.yml

根据自己的路径修改:dataroot_LR和pretrain_model_G

name: Track1
suffix: ~  # add suffix to saved images
model: srgan
distortion: sr
scale: 4
crop_border: ~  # crop border when evaluation. If None(~), crop the scale pixels
gpu_ids: [0]

datasets:
  test_1:  # the 1st test dataset
    name: DIV2K
    mode: LR
    dataroot_LR: /home/usrname/data/Internal_testing/deep-learning-for-image-processing/RealSR/codes/ntire20/Corrupted-te-x

#### network structures
network_G:
  which_model_G: RRDBNet
  in_nc: 3
  out_nc: 3
  nf: 64
  nb: 23
  upscale: 4

#### path
path:
  pretrain_model_G: /home/usrname/data/Internal_testing/deep-learning-for-image-processing/RealSR/codes/pretrained_model/DF2K.pth
  results_root: ./results/

执行: python3 test.py -opt options/df2k/test_df2k.yml

        如果没有GPU:

        (1)修改codes/models目录下的base_model.py,修改self.device ="cpu"

        (2)修改codes/models目录下的networks.py,修改device ="cpu"

3.执行结果

        输入模型的图片是510*388,超分了16倍变成2040*1352,下面是运行的结果

  • 20
    点赞
  • 19
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

打赏作者

呆呆珝

您的打赏是我的动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
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