SRGAN
1.0.0
생성 적대적 네트워크를 사용한 CVPR 2017 용지 사진 실현 단일 이미지 초기 해상도를 기반으로하는 SRGAN의 Pytorch 구현.
conda install pytorch torchvision -c pytorch
conda install opencv
기차 및 VAL 데이터 세트는 VOC2012에서 샘플링됩니다. Train 데이터 세트에는 16700 개의 이미지가 있으며 Val 데이터 세트에는 425 개의 이미지가 있습니다. 여기에서 데이터 세트를 다운로드 한 다음 data 디렉토리로 추출하십시오.
테스트 이미지 데이터 세트는 |에서 샘플링됩니다 세트 5 | Bevilacqua et al. BMVC 2012 | 세트 14 | Zeyde et al. LNCS 2010 | BSD 100 | 마틴 등 ICCV 2001 | Sun-Hays 80 | Sun and Hays ICCP 2012 | Urban 100 | Huang et al. CVPR 2015. 여기에서 이미지 데이터 세트를 다운로드 한 다음 (액세스 코드 : XWHY) data 디렉토리로 추출하십시오.
테스트 비디오 데이터 세트는 3 개의 트레일러입니다. 여기에서 비디오 데이터 세트를 다운로드하십시오 (액세스 코드 : 956d).
python train.py
optional arguments:
--crop_size training images crop size [default value is 88]
--upscale_factor super resolution upscale factor [default value is 4](choices:[2, 4, 8])
--num_epochs train epoch number [default value is 100]
출력 VAL Super Resolution 이미지는 training_results 디렉토리에 있습니다.
python test_benchmark.py
optional arguments:
--upscale_factor super resolution upscale factor [default value is 4]
--model_name generator model epoch name [default value is netG_epoch_4_100.pth]
출력 슈퍼 해상도 이미지는 benchmark_results 디렉토리에 있습니다.
python test_image.py
optional arguments:
--upscale_factor super resolution upscale factor [default value is 4]
--test_mode using GPU or CPU [default value is 'GPU'](choices:['GPU', 'CPU'])
--image_name test low resolution image name
--model_name generator model epoch name [default value is netG_epoch_4_100.pth]
출력 슈퍼 해상도 이미지는 동일한 디렉토리에 있습니다.
python test_video.py
optional arguments:
--upscale_factor super resolution upscale factor [default value is 4]
--video_name test low resolution video name
--model_name generator model epoch name [default value is netG_epoch_4_100.pth]
출력 슈퍼 해상도 비디오 및 비교 비디오는 동일한 디렉토리에 있습니다.
고급 요인 = 2
배치 크기가 64 인 에포크는 NVIDIA GTX 1080TI GPU에서 ~ 2 분 30 초가 걸립니다.
이미지 결과
왼쪽은 Bicubic 보간 이미지, 중간은 고해상도 이미지이며 오른쪽은 Super Resolution 이미지 (SRGAN의 출력)입니다.
비디오 결과
왼쪽은 Bicubic 보간 비디오이며 오른쪽은 Super Resolution 비디오 (SRGAN의 출력)입니다.
고급 요인 = 4
배치 크기가 64 인 에포크는 NVIDIA GTX 1080TI GPU에서 ~ 4 분 30 초가 걸립니다.
이미지 결과
왼쪽은 Bicubic 보간 이미지, 중간은 고해상도 이미지이며 오른쪽은 Super Resolution 이미지 (SRGAN의 출력)입니다.
비디오 결과
왼쪽은 Bicubic 보간 비디오이며 오른쪽은 Super Resolution 비디오 (SRGAN의 출력)입니다.
고급 요인 = 8
배치 크기가 64 인 에포크는 NVIDIA GTX 1080TI GPU에서 ~ 3 분 30 초가 걸립니다.
이미지 결과
왼쪽은 Bicubic 보간 이미지, 중간은 고해상도 이미지이며 오른쪽은 Super Resolution 이미지 (SRGAN의 출력)입니다.
비디오 결과
왼쪽은 Bicubic 보간 비디오이며 오른쪽은 Super Resolution 비디오 (SRGAN의 출력)입니다.
전체 테스트 결과는 여기에서 다운로드 할 수 있습니다 (액세스 코드 : NKH9).
