Python图片视频超分模型RealBasicVSR的使用教程

前言

很久没更新这个专栏了,最近比较忙。前段时间看到了这个模型觉着很有意思,弄下来自己玩了玩,但是没时间写文章,一直搁置到现在。

废话不多说,先上Github地址: RealBasicVSR地址

Python图片视频超分模型RealBasicVSR的使用教程_第1张图片

从给出的效果来看,还是很不错的,左侧是超分后的画面,右边是原画质,得到明显提升。下面我说一下我的安装过程,还有一些使用中的踩坑,让大家去测试项目的时候可以提前规避。

安装

项目拉下来之后,我们先打开README,看看说明。

Python图片视频超分模型RealBasicVSR的使用教程_第2张图片

安装的步骤不多,但是还是有一些坑的,下面是我的安装步骤,如果你们自己安装的有问题的话,可以参考一下我的步骤。

1、虚拟环境创建

作者没有给出需要的python版本,这里我用的python3.8

conda create -n real python=3.8
conda activate real

2、安装pytorch

这里本来我以为我现在的最新版本可以跑的,后面发现不行,所以老老实实的按照作者的版本安装。

conda install pytorch==1.7.1 torchvision==0.8.2 torchaudio==0.7.2 cudatoolkit=10.1 -c pytorch

3、安装openmim

这里没什么好说的,装就完了。

pip install openmim -i https://pypi.douban.com/simple

4、安装mmcv-full

同上

mim install mmcv-full

5、安装mmedit

同上

pip install mmedit -i https://pypi.douban.com/simple

6、安装scipy

这个作者没写,但是要装。

pip install scipy -i https://pypi.douban.com/simple

7、模型下载 

嗯,在外网比较难下,我下好了,放到我的百度云盘。

链接 提取码:1234

在项目中创建文件夹checkpoints,把下载的文件放进去。如下图

Python图片视频超分模型RealBasicVSR的使用教程_第3张图片

使用

ok,环境装好了,我们看看怎么使用。 

Python图片视频超分模型RealBasicVSR的使用教程_第4张图片

作者提供了图片文件夹处理方式和视频处理方式,我们挨个测一下。

图片超分

我就不准备用作者提供的demo图了,我自己找了一张,如下图。

Python图片视频超分模型RealBasicVSR的使用教程_第5张图片

图片尺寸

Python图片视频超分模型RealBasicVSR的使用教程_第6张图片

放置目录如下

Python图片视频超分模型RealBasicVSR的使用教程_第7张图片

执行命令如下

python inference_realbasicvsr.py configs/realbasicvsr_x4.py checkpoints/RealBasicVSR_x4.pth data/demo_001 results/demo_001 

执行结果

2022-05-08 10:57:06,303 - mmedit - INFO - load checkpoint from torchvision path: torchvision://vgg19
load checkpoint from local path: checkpoints/RealBasicVSR_x4.pth
/home/zhangmaolin/.local/lib/python3.7/site-packages/torch/functional.py:445: UserWarning: torch.meshgrid: in an upcoming release, it will be required to pass the indexing argument. (Triggered internally at  ../aten/src/ATen/native/TensorShape.cpp:2157.)
  return _VF.meshgrid(tensors, **kwargs)  # type: ignore[attr-defined]

结果图如下

Python图片视频超分模型RealBasicVSR的使用教程_第8张图片

可以看出明显的清楚了很多。

结果图尺寸

Python图片视频超分模型RealBasicVSR的使用教程_第9张图片

视频超分

然后我们看看视频超分的情况,这部分是有一些坑的,后面会说到。

首先我准备了一个视频,视频分别率如下。

Python图片视频超分模型RealBasicVSR的使用教程_第10张图片

可以看到视频分辨率540p。

执行命令如下,里面有作者给出样例没有的参数,我后面注意里面会解释。

python inference_realbasicvsr.py configs/realbasicvsr_x4.py checkpoints/RealBasicVSR_x4.pth data/12345.mp4 results/demo_123.mp4 --fps=25 --max_seq_len=2

执行结果

2022-05-08 11:02:01,023 - mmedit - INFO - load checkpoint from torchvision path: torchvision://vgg19
load checkpoint from local path: checkpoints/RealBasicVSR_x4.pth
/home/zhangmaolin/.local/lib/python3.7/site-packages/torch/functional.py:445: UserWarning: torch.meshgrid: in an upcoming release, it will be required to pass the indexing argument. (Triggered internally at  ../aten/src/ATen/native/TensorShape.cpp:2157.)
  return _VF.meshgrid(tensors, **kwargs)  # type: ignore[attr-defined]

最终视频分辨率情况 

Python图片视频超分模型RealBasicVSR的使用教程_第11张图片

注意

1、首先,视频原长度是2分钟的,我截取到5s的视频进行超分处理的。不然会显存溢出。

2、--max_seq_len=2参数也是为了避免显存溢出,总的来看,这个模型不太适合直接跑视频,最好的方式还是跑图片序列,然后最后压缩图片为视频比较好。

压缩图片为对比视频样例

作者给了一个demo程序可以将输出的图片压缩为前后对比视频,如下图说明。

Python图片视频超分模型RealBasicVSR的使用教程_第12张图片

我测试了一下,代码这里需要改动一下,代码框出的部分需要把注释取消。

Python图片视频超分模型RealBasicVSR的使用教程_第13张图片

对比视频如下图,左边为超分后效果,右边为原图效果。

Python图片视频超分模型RealBasicVSR的使用教程_第14张图片

总结

总的来说,该模型处理图片还是效果很好的,可以稍微改造一下

以上就是Python图片视频超分模型RealBasicVSR的使用教程的详细内容,更多关于Python RealBasicVSR的资料请关注脚本之家其它相关文章!

你可能感兴趣的:(Python图片视频超分模型RealBasicVSR的使用教程)