【深度学习】python调用超分Real-ESRGAN

最新推荐文章于 2025-04-01 11:30:03 发布

XD742971636

最新推荐文章于 2025-04-01 11:30:03 发布

阅读量1k

点赞数

分类专栏：深度学习机器学习文章标签：深度学习 python 人工智能

本文链接：https://blog.csdn.net/x1131230123/article/details/134527235

版权

深度学习机器学习专栏收录该内容

495 篇文章 ¥79.90 ¥99.00

订阅专栏

文章介绍了Real-ESRGAN，一个用于自然场景图、动漫图和视频超分辨率恢复的项目，提供了详细的Python包安装和使用方法，以及针对动漫图像的专用模型Real-ESRGAN_x4plus_anime_6B。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Real-ESRGAN是超分自然场景图和动漫图，视频也可以，项目地址：https://github.com/xinntao/Real-ESRGAN/tree/master

安装python包：

basicsr>=1.4.2
facexlib>=0.2.5
gfpgan>=1.3.5
numpy
opencv-python
Pillow
torch>=1.7
torchvision
tqdm
<

了解本专栏

订阅专栏解锁全文

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

XD742971636

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

专栏目录

订阅专栏

基于Real-CUGAN的动漫高清修复

Mr数据杨

11-20

947

Real-CUGAN是一个针对动漫图像的超分辨率模型。它使用了百万级别的动漫数据进行训练，结构与Waifu2x兼容。这意味着它能够将动漫图片的分辨率提升2倍、3倍甚至4倍，同时保持图像质量。2倍模型提供4种降噪选项和保守修复，而3倍和4倍模型提供2种降噪强度和保守修复。

人工智能混合编程实践：C++调用Python ONNX进行图像超分重建

FriendshipTang的博客

03-13

289

C++、Python、ONNX、人工智能、超分重建

参与评论您还未登录，请先登录后发表或查看评论

图像超分——Real-ESRGAN快速上手

gitblog_06563的博客

09-20

817

图像超分——Real-ESRGAN快速上手图像超分Real-ESRGAN快速上手项目地址: https://gitcode.com/Resource-Bundle-Collection/c9f06 ...

超分论文解读Real-ESRGAN: Training Real-World Blind Super-Resolution with Pure Synthetic Data

bug404

08-24

1267

本篇blog除了对论文内容进行了详实的翻译，同时对论文中的相关技术细节展开了说明和讨论，部分技术通过示例代码进行了说明。本篇论文中除了涉及了很多超分的内容外，其中数据退化等内容，更是low-level视觉任务中可以通用的知识，比如图像去噪、HDR等。本篇论文涵盖了很多基础视觉任务中通用的内容。论文地址：Real-ESRGAN: Training Real-World Blind Super-Resolution with Pure Synthetic Data 论文开头放出了Real-ESRGAN的效果

Real-ESRGAN安装与配置指南

热门推荐

Remote Sensing迷途小书童

11-14

1万+

图像超分是一种图像处理技术，旨在提高图像的分辨率，使其具有更高的清晰度和细节。这一技术通常用于图像重建、图像恢复、图像增强等领域，可以帮助我们更好地理解和利用图像信息。今天给大家介绍一下腾讯ARC实验室发布的一个图像超分辨率模型Real-ESRGAN，同时奉上详细的安装使用教程。

本地部署：Real-ESRGAN: 高效的图像超分辨率解决方案

07-11

3401

Real-ESRGAN 作为一种先进的图像超分辨率技术，凭借其高效的多尺度特征提取和生成对抗训练，在处理真实世界图像时表现出色。特别是在处理真实世界图像时，Real-ESRGAN 展现出了卓越的性能，生成的高分辨率图像细节丰富、视觉效果逼真。损失函数（Loss Function）：Real-ESRGAN 采用了感知损失（Perceptual Loss）、对抗损失（Adversarial Loss）和像素损失（Pixel Loss）的组合，使得训练过程更加稳定，生成的图像质量更高。

RRDB_ESRGAN_x4.pth

03-13

ESRGAN models with high perceptual quality.

realESRGAN模型权重及推理代码

03-10

pytorch版realESRGAN模型权重和推理代码，已合并模型结构和权重参数，可以直接加载使用。4倍超分模型，推理代码包含图像推理和视频推理样例，方便快速体验图像超分效果或二次开发。ESRGAN是一种图像超分辨率算法，用于增加图像分辨率并生成更多图像细节，与传统的图像缩放算法不同的是，超分算法在放大图像的同时根据原图纹理生成更多细节，确保图像在放大后仍然有清晰的纹理细节。模型可用于修复老照片，解决胶卷相机拍摄照片因年代久远造成图像模糊、损坏等问题；缓解部分场景对焦不清晰或相机焦距不足导致照片模糊问题；降低图像噪点，提升画质。

RealESRGAN-x4plus.pth

03-24

RealESRGAN_x4plus.pth模型文件官网：https://github.com/xinntao/Real-ESRGAN

ESRGAN需要用到的预训练模型

10-17

ESRGAN需要用到的预训练模型，下载后把里面的pth文件放到路径/experiments/pretrained_models路径下，里面包含两个预训练模型RRDB_ESRGAN_x4.pth和RRDB_PSNR_x4.pth

realesrga图片放大

09-06

提高画质

【深度学习图像超分应用】：Paddle框架详解与技巧分享

本文首先介绍了深度学习与图像超分的基本概念，然后深入探讨了PaddlePaddle框架的基础知识和核心组件，以及如何使用该框架实现图像超分技术。文中进一步阐述了图像超分领域的高级技巧和优化方法，并通过实践案例分析...

跑一下Real-ESRGAN-master

zyb1244151976的博客

01-30

5412

目录查看显卡驱动版本号（第一种方法）查看显卡驱动版本号（第二种方法）根据显卡驱动版本号，安装对应版本cuda 下载对应版本cuda 官网傻瓜安装anaconda 安装完anaconda，配置环境变量 E盘创建这两个文件 Code里面放入Github上下载的包点击base的CMD 将目录指到Work 执行命令：conda create -n jackcui jupyter notebook cudnn 安装完成后，切换到jackcui虚拟环境：activate jackcui

用代码调用RealESRGAN_x2plus

一休

01-25

953

经测试RTX3090 512->2048 0.5s。