超分重建网络——DASR

视频图像增强

---

1.前言

为了督促自己认真学习，碧波自己把最近学的东西，写成博客/(ㄒoㄒ)/~~

---

2.DASR

2.1 论文和代码

想深刻学习这个网络的提出思路，推荐大家看下面这个博主的连接，他比我讲的好，所以我就不过多解释了。
论文解读：https://blog.csdn.net/weixin_43972154/article/details/119327182
至于学习代码的话，根据作者的操作步骤一步步来就ok了，学习新网络，最重要的是复现代码。
代码连接：https://github.com/The-Learning-And-Vision-Atelier-LAVA/DASR

3.代码复现

3.1 准备环境

由于作者使用的pytorch的环境比较老，所以用高版本的pytorch总是会出现难以想象的问题，为了节约时间，我建议大家采用虚拟环境的方式。操作起来非常简单，三步就OK了：

1. 创建虚拟环境conda create -n pytorch1.1 python=3.6一路遇到选择选y
2. 激活创建的虚拟环境activate pytorch1.1
3. 在激活的虚拟环境下安装需要用到的包pip install -i https://pypi.douban.com/simple -r requirement.txt（记得将会用到的包放到个txt文件中）

3.2 数据准备

下载这两个数据放到一个文件夹里，为了避免少出错，我们把文件夹命名为DF2K

1. 准备DIV2K

DIV2K数据集下载连接：https://data.vision.ee.ethz.ch/cvl/DIV2K/
这个连接里面有很多数据集，我当时没有搞清楚要下载那些数据集，差点全部下载了，注意只需要下载这两幅数据集，至于为什么，可以看我上面提供的论文解读。

2. 准备Flickr2K

Flickr2K数据集下载连接：https://cv.snu.ac.kr/research/EDSR/Flickr2K.tar

3. 合并数据

数据下载好了之后，放入文件夹DF2K里面，大概是这样子。

细心的网络可能会问，我为什么只有900张图片，是因为我的电脑显存不够，我只用了DIV2K数据集做训练。

3.3 开始训练

接下来就是开始训练了，训练代码，如果是用服务器的话直接run main.sh就可以，没有条件的可以使用以下命令：

python main.py --dir_data=./dataset/ --model=blindsr --scale=4 --blur_type=aniso_gaussian --noise=25.0 --lambda_min=0.2 --lambda_max=4.0

训练过程大概是这样的

---

注意出现以下问题：

---

3.4 测试数据

1. 原论文准备了四种测试数据集，下面说一下数据的[下载连接]。(https://github.com/XPixelGroup/BasicSR/blob/a19aac61b277f64be050cef7fe578a121d944a0e/docs/Datasets.md)
   
2. 我测试的时候只用了Set14数据集，我用了这两个文件夹。

3. 将Set14的HR图像和LR图像，放到benchmark文件夹里，数据的存放文件格式是这样子的。

---

3.5 开启测试

下面就是开启测试了，测试命令如下：

 python test.py --test_only  --dir_data=./dataset/ --data_test=Set14 --model=blindsr  --scale=4 --resume=114 --blur_type=aniso_gaussian --noise=10.0 --theta=0.0  --lambda_1=0.2 --lambda_2=4.0 --save_results=True

以下问题：

另外，也可以使用官方提供的权重，快速测试。

3.6 测试结果

这里要提一下，训练过程结果保存在experiment文件下面，你用什么模式，就在什么文件夹里。

这里展示以下，我训练的结果，由于我只训练了114epoch，所以效果不好，勉为其难的展示一下吧。

---

4. 我的代码

下面提供以下，我的代码连接，比较懒的同学，可以直接下载我的代码，数据啥的我都已经下载好了，就不用麻烦挨个下载数据集了，直接使用。
链接：https://pan.baidu.com/s/1f_Gq-pvMyfth-FebiYpx7A
提取码：fasf
–来自百度网盘超级会员V5的分享