SRGAN
1.0.0
Реализация SRGAN Pytorch на основе бумажном фотореалистичного одноизображения CVPR 2017 с использованием генеративной состязательной сети.
conda install pytorch torchvision -c pytorch
conda install opencv
Наборы данных поезда и VAL выбраны из VOC2012. Набор данных поезда имеет 16700 изображений, а набор данных VAL имеет 425 изображений. Загрузите наборы данных отсюда (код доступа: 5TZP), а затем извлеките его в каталог data .
Набор данных тестового изображения отображается из | Установка 5 | Bevilacqua et al. BMVC 2012 | Установка 14 | Zeyde et al. LNCS 2010 | BSD 100 | Martin et al. ICCV 2001 | Sun-Hays 80 | Sun and Hays ICCP 2012 | Urban 100 | Huang et al. CVPR 2015. Загрузите набор данных изображения отсюда (код доступа: XWHY), а затем извлеките его в каталог data .
Набор данных тестового видео представляет собой три трейлера. Загрузите видео данных здесь (код доступа: 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]
Изображения Super Resolution Output Val находятся в каталоге training_results .
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]
Изображения Super Resolution Output находятся на каталоге benchmark_results .
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]
Изображение Super Resolution вывода находится в том же каталоге.
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]
Видео Super Resolution Video и сравнение видео находятся в одном каталоге.
Высококлассный фактор = 2
Эпохи с размером партии 64 занимает ~ 2 минуты 30 секунд на GPU NVIDIA GTX 1080TI.
Изображение результаты
Слева - бикубическое интерполяционное изображение, среднее изображение с высоким разрешением, а правое изображение супер разрешения (вывод Srgan).
Видео результаты
Слева - бикубическое видео интерполяции, правое - видео с супер разрешением (вывод Srgan).
Высококлассный фактор = 4
Эпохи с размером партии 64 занимает ~ 4 минуты 30 секунд на GPU NVIDIA GTX 1080TI.
Изображение результаты
Слева - бикубическое интерполяционное изображение, среднее изображение с высоким разрешением, а правое изображение супер разрешения (вывод Srgan).
Видео результаты
Слева - бикубическое видео интерполяции, правое - видео с супер разрешением (вывод Srgan).
Высокий фактор = 8
Эпохи с размером партии 64 занимает ~ 3 минуты 30 секунд на GPU NVIDIA GTX 1080TI.
Изображение результаты
Слева - бикубическое интерполяционное изображение, среднее изображение с высоким разрешением, а правое изображение супер разрешения (вывод Srgan).
Видео результаты
Слева - бикубическое видео интерполяции, правое - видео с супер разрешением (вывод Srgan).
Полные результаты теста могут быть загружены отсюда (код доступа: NKH9).
