Real-SR算法，实现真实图像超高分辨率处理

首先，先了解Real-SR算法：

Real-SR是腾讯优图实验室提出一种新的图像超分辨率算法。该算法在CVPR-NTIRE-2020真实图像超分比赛中以明显优势获得双赛道冠军。

与已有的超分辨率方法相比，RealSR的创新主要体现在三个方面：

1. RealSR采用了自主设计的新型图片退化方法，通过分析真实图片中的模糊和噪声，模拟真实图片的退化过程

2. 不需要成对的训练数据，利用无标记的数据即可进行训练。

3. 可以处理低分辨率图像中的模糊噪声问题，得到更加清晰干净的高分辨结果。

算法的主要步骤可以分为两个模块：退化模型的估计，超分模型的训练。方法框架如下图所示

那么应该实现这个算法，用于根据我们的需求训练我们的模型进行研究呢...

先说说我的硬件配置：

CPU:i5 10400F

NVIDIA 1060 显卡只有1280个cuda核心

环境问题：

建议使用Real-SR推荐环境

Anaconda + Pytorch + GPU

Demo:

- Python 3 (Recommend to use [Anaconda](https://www.anaconda.com/download/#win))
- [PyTorch >= 1.0](https://pytorch.org/)
- NVIDIA GPU + [CUDA](https://developer.nvidia.com/cuda-downloads)
- Python packages: `pip install numpy opencv-python lmdb pyyaml`
- TensorBoard:
- PyTorch >= 1.1: `pip install tb-nightly future`
- PyTorch == 1.0: `pip install tensorboardX`

我自己的环境是：

WIN10 + Anaconda 1.7.2（python3.8）+CUDA 11.1+torch 1.8.1+cu111 + torchaudio 0.8.1 + torchvision 0.9.1+cu111

这里需要注意的是CUDA的版本选择是要根据自己的显卡来确定的，具体方法：打开NVIDIA控制面板、系统信息、组件。我的显卡显示的是CUDA11.1的驱动，所以我需要下载11.1版本的cudatoolkit，你也可以直接去NVIDIA官方查看自己的cuda版本。

如果安装cuda出现问题，可参考https://blog.csdn.net/qq_27173371/article/details/107104991

配置完环境，就完成了第一步

接下来就是下载Real-SR代码了

https://github.com/Tencent/Real-SR

国内镜像地址：

https://git.code.tencent.com/Tencent_Open_Source/Real-SR

这个文件里有所有需要的配置说明以及Demo

这里我解释一下：

文件内的数据下载地址基本都是google地址，国内访问不了，需要工具，而且速度比较慢。

我们也可以选择下载以及训练好的模型，也可以用腾讯的数据训练自己的模型，当让你也可以用自定义的数据训练自己的模型。

这里，我们要先下载一个与训练模型，收集噪音：

RRDB_PSNR_x4.pth 下载地址：https://download.csdn.net/download/LU__JH/19277804?spm=1001.2014.3001.5501

下载放在pretrained_model文件夹内：

隧道一：df2k

预训练前，要先用原始数据，预处理，得到HR与LR

配置文件在preprocess/path.yml

得到HR与LR后，就要收集噪音了，配置内容也在preprocess/path.yml

这样我们就得到了噪音特征数据集

之后我们就可以进行训练了

目录codes\options\df2k有两个配置文件：train_bicubic_noise.yml 用于设置训练时参数，

test_df2k.yml用于修改测试时参数。

15行 noise_data: 收集到的噪音特征数据PATH

46行 pretrain_model_G: 预训练模型PATH

训练次数是70次，时长约48小时（看个人GPU问题），如训练出现GPU内存报错，修改一下

train_bicubic_noise.yml 文件内，20行batch_size参数即可，我设置的是4，batch_size其实是指定每次将总数据集划分成多少个等分。约大训练速度越快，但所有显存就约大。

训练结束后，在experiments\Corrupted_noise\models目录会保留最后训练的模型和训练状态。

之后就可以用自己的图片测试模型效果了。

配置文件在:options/df2k/test_df2k.yml

因为篇幅问题，测试效果就不上图了。希望这篇文章能帮到大家.....

Real-SR算法，实现真实图像超高分辨率处理相关推荐

deepfake 图片_DeepFake克星来了！简单2步算法，造假图像无处可逃
新智元报道来源:IEEE Spectrum 编辑:金磊 [新智元导读]DeepFake最近成了热点,也带来不少担忧.近期,针对DeepFake可能带来的负面影响,研究人员开发了一个基于神经网 ...
NIPS 2018 | 中科院自动化所两篇入选论文：高清真实图像生成领域及GAN研究在人脸识别领域的进展...
[论文一]自动化所在高清真实图像生成领域获得新突破 IntroVAE: Introspective Variational Autoencoders for Photographic Image Sy ...
SIFT算法详解——图像特征提取与匹配
文章目录前言一.建立高斯差分金字塔 1.建立高斯金字塔 2.建立高斯差分金字塔 3.建塔过程中参数的设定及相关细节问题二.关键点(key points)位置确定 1.阈值化 2.在高斯差分金字塔 ...
opencv之分水岭算法分割及图像修补
1)分水岭算法原理: 任何一幅灰度图像都可以被看成是拓扑平面,灰度值高的区域可以被看成是山峰,灰度值低的区域可以被看成是山谷,我们向每一个山谷中灌不同颜色的水,随着水位的升高,不同山谷的水就会相遇汇 ...
卷积神经网络：VGG16 是基于大量真实图像的 ImageNet 图像库预训练的网络
卷积神经网络:VGG16 是基于大量真实图像的 ImageNet 图像库预训练的网络图片输入->卷积->填充(Padding)->池化(pooling)->平坦(Flatte ...
迭代阈值分割算法（处理图像）
**1.算法原理简述** 迭代法求取阈值进行图像分割:它的主要思想是:图像分割后的两部分A和B的均值和基本保持稳定.也就是说,随着迭代的进行,取 [mean(A)+mean(B)]/2 ...
java实现红包要多少钱_JAVA实现简单抢红包算法(模拟真实抢红包)
闲来无事,最近项目需求要写出用户登录首页来发现金红包,没有限额.我就自己稍微计算了一下如果有限额该怎么写.觉得这样与微信红包差不多.等项目需求完成以后.正好来博客贴一下我自己写的拆红包算法.个人觉得这 ...
OpenCV4.5.5学习笔记（十七）：分水岭算法watershed()，图像修补inpaint()
提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档文章目录前言一.分水岭算法watershed() 二.图像修补inpaint() 总结前言笔者本科时候有幸接触了OpenCV3 ...
ITK系列20_ 区域增长(OTSU算法)对PNG图像进行多阈值二维分割
实例20 OTSU算法对PNG图像进行多阈值二维分割 #include "itkOtsuMultipleThresholdsCalculator.h"//包含头文件#include ...

Real-SR算法，实现真实图像超高分辨率处理

Real-SR算法，实现真实图像超高分辨率处理相关推荐

最新文章

热门文章