学习笔记之——SR流程

    本博文为本人学习SR流程所写的笔记，笔记有些粗糙~仅供本人自己学习记录

 

主要参考的材料为（这算是写的比较详细的文档）

https://github.com/xinntao/BasicSR

首先是准备dataset。

下载数据集，经典的SR数据集有（BSD200, T91, General100; Set5, Set14, urban100, BSD100, manga109; historical）。demo中作者采用的是 DIV2K dataset（分为(800 train and 100 validation)）

https://pan.baidu.com/s/18fJzAHIg8Zpkc-2seGRW4Q#list/path=%2F

https://pan.baidu.com/s/1LUj90_skqlVw4rjRVeEoiw#list/path=%2F

由于DIV2K dataset比较大 first crop them to sub images ，使用 codes/scripts/extract_subimgs_single.py.

将数据集产生LR图片，采用matlab文件 codes/scripts/generate_mod_LR_bic.m。修改路径为：

由于DIV2K dataset比较大，作者将其转化为lmdb文件（将训练集转换为lmdb文件）。打开codes/scripts/create_lmdb.py.文档，修改路径如下：

而不是

然后把数据集存放在对应的位置，再把要生成的位置命名一下，然后进入该目录，运行一下即可生成：

要训练模型还需要哪些数据集呢？可以打开options/train/xxx.json看看就知道需要准备什么数据

发现是要sub.lmdb。。。。。再次生成。。。。。

对应低分变率的.lmdb文件

还有验证集的

用matlab文件生成低分辨率codes/scripts/generate_mod_LR_bic.m.

此处，数据集完成。

训练采用python train.py -opt options/train/train_sr.json

 

 

下面是补充：

 

从上图可以看出，需要准备的数据包括了：DIV2K800_sub.lmdb、DIV2K800_sub_bicLRx4.lmdb、Set5、Set5_bicLRx4。目前已经准备了数据DIV2K800_sub.lmdb。下面来看看如何生成数据“bicLRx4”，这个其实就是数据的人工处理了，降维，获取LR图像。

demo中产生LR数据是通过matlab程序codes/scripts/generate_mod_LR_bic.m。修改文件里面的路径

就可以用HR数据生成LR数据。然后在用LR数据作为input，以HR数据作为output来训练网络。训练的文档为options/train/xxx.json。然后修改对应的文件路径，即可训练。PS：这个demo为GAN网络，GAN比较难训练，理论上应该是先训练好分类器，然后再训练SR，据说要训练20+个小时，我也就没有跑完，但是跑了一个多小时，发现收敛不是特别明显，如下图所示：

当然，这个demo写得非常好，它提供了pretrain model。 experiments/pretrained_models。可以download对应的model，放于这个文件夹下，然后test一下，运行代码python test.py -opt options/test/test_sr.json。test的时候，要修改对应的test文件的路径

最终test的结果为（我这里的set5和set14都是同一个数据集hhh，网速比较慢，所以没有downloadset14）：

给出结果对比。左边是LR图片，中间是重建的HR，右边是HR图片（效果看上去比较好）

好~基本一个流程走完了，接下来准备看model的代码了