ESPCN论文代码复现

ESPCN论文代码复现

一、原文资源

《基于亚像素卷积的图像超分辨重建》

Real-Time Single Image and Video Super-Resolution Using an Efficient Sub-Pixel Convolutional Neural Network

1.论文地址：

https://arxiv.org/abs/1609.05158

2.代码地址：

https://github.com/yjn870/ESPCN-pytorch

3.数据集地址：

以HDF5格式存储数据集(包含Set5和T91)

https://download.csdn.net/download/hsdujdjrjrj/86863556

二、代码运行

1.将github上的代码下载并导入pytorch

2.新建一个BLAH文件夹，并在其中新建一个outputs文件夹保存结果。

3.先运行一下train.py文件

这时会报错，因为没有传入参数

4.将参数传入train.py文件

参数如下：

--train-file
"D:\Projects\pythonProject\ESPCN-pytorch-master\BLAH\91-image_x3.h5"
--eval-file
"D:\Projects\pythonProject\ESPCN-pytorch-master\BLAH\Set5_x3.h5"
--outputs-dir
"BLAH\outputs"
--scale
3
--lr
1e-3
--batch-size
16
--num-epochs
100
--num-workers
8
--seed
123

5.开始训练

会显示epoch和平均psnr

6.训练结束后得到如下权重文件

（1）权重文件为.pth格式，保存在outputs中

（2）将epoch_95.pth复制到outputs文件夹中

7.运行test.py

先配置参数（和之前的train.py操作相同），将一张图片作为测试，添加路径至image-file，test.py会自动进行bicubic插值

参数如下：

--weights-file
"BLAH\epoch_95.pth"
--image-file
"run/baby.png"
--scale
3

运行后run文件夹生成插值图片和超分辨率重建的图片

最终的PSNR为35.91，论文中为32.55

三、超分辨率重建效果对比

Original	BICUBIC x3	ESPCN x3 35.91dB
Original	BICUBIC x3	ESPCN x3 30.62dB