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

相关推荐
bst@微胖子43 分钟前
Python高级语法之selenium
开发语言·python·selenium
Luis Li 的猫猫2 小时前
深度学习中的知识蒸馏
人工智能·经验分享·深度学习·学习·算法
查理零世2 小时前
【蓝桥杯集训·每日一题2025】 AcWing 6118. 蛋糕游戏 python
python·算法·蓝桥杯
魔尔助理顾问3 小时前
一个简洁高效的Flask用户管理示例
后端·python·flask
java1234_小锋3 小时前
一周学会Flask3 Python Web开发-request请求对象与url传参
开发语言·python·flask·flask3
木觞清4 小时前
PyTorch与TensorFlow的对比:哪个框架更适合你的项目?
人工智能·pytorch·tensorflow
诚信爱国敬业友善6 小时前
常见排序方法的总结归类
开发语言·python·算法
wyg_0311137 小时前
用deepseek学大模型04-模型可视化与数据可视化
人工智能·机器学习·信息可视化
架构默片7 小时前
【JAVA工程师从0开始学AI】,第五步:Python类的“七十二变“——当Java的铠甲遇见Python的液态金属
java·开发语言·python
陈敬雷-充电了么-CEO兼CTO8 小时前
DeepSeek核心算法解析:如何打造比肩ChatGPT的国产大模型
人工智能·神经网络·自然语言处理·chatgpt·大模型·aigc·deepseek