Pytorch-RealSR超分模型

1.前言

        RealSR 是一种基于学习的单图像超分辨率（SISR）模型，专门针对真实世界的图像。它由腾讯 AI 实验室于 2020 年提出。

        RealSR 的核心创新是提出了一种新的退化模型，该模型能够更好地模拟真实世界的退化过程。该模型考虑了真实世界图像中存在的多种退化因素，包括模糊、噪声和色彩失真。

        RealSR 还提出了一种新的网络架构，该架构能够更好地学习真实世界的退化模型。该网络架构采用了一种递归结构，能够逐渐恢复高分辨率图像的细节。

        RealSR 在多个真实世界图像超分辨率数据集上进行了测试，并取得了优异的性能。例如，在 Set5 数据集上，RealSR 的 PSNR 比传统的 SISR 模型高出约 0.5 dB。

REALSR算法分析

        RealSR 生成的图像

        RealSR 的优势包括：

• 能够更好地模拟真实世界的退化过程，从而生成更逼真的高分辨率图像。
• 具有较高的性能，在多个真实世界图像超分辨率数据集上都取得了优异的结果。

        RealSR 的应用包括：

• 图像增强：将低分辨率图像增强为高分辨率图像，以提高图像的清晰度和细节。
• 图像修复：修复低分辨率图像中的噪声、模糊和其他缺陷。
• 图像分割：提高图像分割的准确性。

2.模型下载

        文中的源代码是jixiaozhong的github博主的链接在这里RealSR

        如果访问github比较慢的话，可以下载我上传的百度链接:          

https://pan.baidu.com/s/1gpa_J3cTbVbW05Hk22vRvQ 提取码: ypuh 

文件目录：

 下载百度链接文件

修改codes/options/df2k目录下的test_df2k.yml

根据自己的路径修改：dataroot_LR和pretrain_model_G

name: Track1
suffix: ~  # add suffix to saved images
model: srgan
distortion: sr
scale: 4
crop_border: ~  # crop border when evaluation. If None(~), crop the scale pixels
gpu_ids: [0]

datasets:
  test_1:  # the 1st test dataset
    name: DIV2K
    mode: LR
    dataroot_LR: /home/usrname/data/Internal_testing/deep-learning-for-image-processing/RealSR/codes/ntire20/Corrupted-te-x

#### network structures
network_G:
  which_model_G: RRDBNet
  in_nc: 3
  out_nc: 3
  nf: 64
  nb: 23
  upscale: 4

#### path
path:
  pretrain_model_G: /home/usrname/data/Internal_testing/deep-learning-for-image-processing/RealSR/codes/pretrained_model/DF2K.pth
  results_root: ./results/

执行: python3 test.py -opt options/df2k/test_df2k.yml

        如果没有GPU:

        （1）修改codes/models目录下的base_model.py,修改self.device ="cpu"

        （2）修改codes/models目录下的networks.py,修改device ="cpu"

3.执行结果

        输入模型的图片是510*388，超分了16倍变成2040*1352，下面是运行的结果