SRGAN
1.0.0
基於CVPR 2017 Paper-Realistic單圖像超分辨率的SRGAN的PYTORCH實現，使用生成對抗網絡。
conda install pytorch torchvision -c pytorch
conda install opencv
火車和Val數據集從VOC2012採樣。火車數據集有16700張圖像，Val數據集有425張圖像。從此處下載數據集（訪問代碼：5TZP），然後將其提取到data目錄中。
測試圖像數據集是從|設置5 | Bevilacqua等。 BMVC 2012 |設置14 | Zeyde等。 LNCS 2010 | BSD 100 |馬丁等。 ICCV 2001 |陽光80 | Sun and Hays ICCP 2012 |城市100 | Huang等。 CVPR 2015。從此處下載圖像數據集（訪問代碼：XWHY），然後將其提取到data目錄中。
測試視頻數據集是三個預告片。從此處下載視頻數據集（訪問代碼：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]
輸出Val超級分辨率圖像在training_results目錄上。
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]
輸出超級分辨率圖像在benchmark_results目錄上。
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]
輸出超級分辨率圖像在同一目錄上。
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]
輸出超級分辨率視頻和比較視頻在同一目錄上。
高檔因子= 2
批處理大小為64的時期在NVIDIA GTX 1080TI GPU上需要〜2分鐘30秒。
圖像結果
左側是雙子插值圖像，中間是高分辨率圖像，右側是超級分辨率圖像（SRGAN的輸出）。
視頻結果
左側是雙色插值視頻，右邊是超級分辨率視頻（SRGAN的輸出）。
高檔因子= 4
批處理大小為64的時期在NVIDIA GTX 1080TI GPU上需要〜4分鐘30秒。
圖像結果
左側是雙子插值圖像，中間是高分辨率圖像，右側是超級分辨率圖像（SRGAN的輸出）。
視頻結果
左側是雙色插值視頻，右邊是超級分辨率視頻（SRGAN的輸出）。
高檔因子= 8
批處理大小為64的時期在NVIDIA GTX 1080TI GPU上需要〜3分鐘30秒。
圖像結果
左側是雙子插值圖像，中間是高分辨率圖像，右側是超級分辨率圖像（SRGAN的輸出）。
視頻結果
左側是雙色插值視頻，右邊是超級分辨率視頻（SRGAN的輸出）。
可以從此處下載完整的測試結果（訪問代碼：NKH9）。
